CN111027785B - 一种分布式电网用户的智能用电系统及用电方法 - Google Patents
一种分布式电网用户的智能用电系统及用电方法 Download PDFInfo
- Publication number
- CN111027785B CN111027785B CN201911397518.2A CN201911397518A CN111027785B CN 111027785 B CN111027785 B CN 111027785B CN 201911397518 A CN201911397518 A CN 201911397518A CN 111027785 B CN111027785 B CN 111027785B
- Authority
- CN
- China
- Prior art keywords
- power
- information
- time period
- electricity consumption
- power supply
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000005611 electricity Effects 0.000 claims abstract description 134
- 230000006399 behavior Effects 0.000 claims abstract description 88
- 238000010248 power generation Methods 0.000 claims abstract description 63
- 230000007246 mechanism Effects 0.000 claims abstract description 24
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q10/04—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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种分布式电网用户的智能用电系统及用电方法，智能用电方法包括：将公共电力供应机构供应的电能输送至多个电网用户，多个电网用户中至少有部分电网用户配备有自主发电系统；采集电网用户的用电参数信息、未来预定时间段内用电行为影响因素信息及供电影响因素信息；对采集到的用电参数信息进行学习以生成电网用户的用电行为；结合生成的用电行为和采集到的用电行为影响因素信息预测电网用户在未来的用电情况；基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统未来的供电情况；结合电网用户未来的用电情况、公共电力供应机构及自主发电系统未来的供电情况，为电网用户的未来用电计划提供指导。
Description
技术领域
本发明涉及电力技术领域，特别是涉及一种分布式电网用户的智能用电系统及用电方法。
背景技术
目前早已经进入了电器时代。全国范围内，除了国家电网、南方电网两家国家级主网电力供应商外，还出现了众多的小型电力运营商。此外，随着光伏发电系统、风力发电系统的推广应用，电网用户纷纷开始配备自有发电系统，自有发电系统供应的电能除了自用，也可以转卖给其他的电网用户。
因此，电网用户开始面临一个问题：如何制定更为有效、更为智能的电能采购及销售计划(或者说是用电计划)，即能保证未来预定时间内的有充足的电力供应，又能实现对多余电能的销售安排，以避免电能浪费。
发明内容
本发明的目的在于提供一种分布式电网用户的智能用电系统及用电方法，其即能保证未来预定时间内的有充足的电力供应，又能实现对多余电能的销售，避免电能浪费。
为了实现上述目的，根据本发明的第一个方面，本发明提供的分布式电网用户的智能用电系统包括：
供电网络，用于将公共电力供应机构供应的电能输送至多个电网用户，每个电网用户使用一个或多个用电设备，所述多个电网用户中至少有部分电网用户配备有自主发电系统；
多个智能终端，每个智能终端对应安装于一个电网用户的接入所述供电网络的连接处；对于配备有自主发电系统的电网用户，所述智能终端同时安装于对应的电网用户的接入其所配备的自主发电系统的连接处；所述智能终端用于：
采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息；
对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征；
结合生成的用电行为特征和采集到的所述用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为；
基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况；和
结合电网用户在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户的在所述未来时间段内的用电计划提供指导。
根据本发明的第二方面，本发明提供的分布式电网用户的智能用电方法包括：
将公共电力供应机构供应的电能输送至多个电网用户，每个电网用户使用一个或多个用电设备，所述多个电网用户中至少有部分电网用户配备有自主发电系统；
采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息；
对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征；
结合生成的用电行为特征和采集到的所述用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为；
基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况；和
结合电网用户在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户在所述未来时间段内的用电计划提供指导。
与现有技术相比，本发明能够获取到未来预定时间段内电网用户的用电情况、公共电力供应机构及自主发电系统的供电情况，从而为电网用户的在未来时间段内的用电计划提供指导。从而保证未来预定时间内的电网用户即有充足的电力供应，又能实现对自有发电系统供应的多余电能的预售，避免电能浪费。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，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些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明中的分布式电网用户的智能用电系统在一个实施例中的结构框图；
图2为本发明中的智能终端在一个实施例中的结构框图；
图3为本发明中的分布式电网用户的智能用电方法在一个实施例中的结构框图。
【具体实施方式】
下面结合附图来详细介绍一下本发明的具体实施方式。
在本发明中，各处的“在一个实施例中”并不是特别指在同一个实施例中，它们可以是同一个实施例，也可以是不同的实施例。
本发明提供一种分布式电网用户的智能用电系统及方法，其能够获取到未来预定时间段内电网用户的用电情况、公共电力供应机构及自主发电系统的供电情况，从而为电网用户的在未来时间段内的用电计划提供指导。从而保证未来预定时间内的电网用户即有充足的电力供应，又能实现对自有发电系统供应的多余电能的预售，避免电能浪费。
如图1所示的，其为本发明中的智能用电系统100在一个实施例中的结构框图。如图1所示，智能用电系统100包括供电网络110和多个智能终端120。
所述供电网络110用于将公共电力供应机构供应的电能输送至多个电网用户130，每个电网用户使用一个或多个用电设备。多个电网用户130中至少有部分电网用户130配备有自主发电系统140。当然也可以是所有的电网用户130均配备有自主发电系统140。
公共电力供应机构是指销售电能的电力运营机构，在一些实施例中，公共电力供应机构包括国家级主网电力供应商150(如在我国，一般指国家电网公司和南方电网公司)及小型电力运营商160。
自主发电系统140则是指电网用户130自己建立的发电系统，其发出的电一般用于自用，当然也可以销售给其他的电网用户，目前最常见是自主发电系统为光伏发电系统，当然也有少量的风能发电系统、水力发电系统。
每个智能终端120对应安装于一个电网用户130的接入所述供电网络110的连接处。对于配备有自主发电系统140的电网用户130，该智能终端120同时安装于对应的电网用户130的接入其所配备的自主发电系统140的连接处。即：无论是供电网络110供应的电能或是自主发电系统140供应的电能均通过智能终端120输送至电网用户130。如此，方便智能终端120对电能进行智能化管控。当然，由于智能终端120与电网用户130直接连接且处于电网用户130的用电环境内，其也能够实现对电网用户130的用电参数信息的快速采集。
具体的，本发明中的智能终端120被配备为能够实现如下功能：
采集电网用户130的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息。
对采集到的用电参数信息进行深度学习以生成电网用户130的用电行为特征。
结合生成的用电行为特征和采集到的所述未来用电行为影响因素信息预测电网用户130在所述未来预定时间段内的用电行为。
基于采集到的未来预定时间段内的供电影响因素信息预测公共电力供应机构及自主发电系统140在所述未来预定时间段内的供电情况。当然，对于没有配备自主发电系统140的电网用户130，其对应的智能终端120预测到的该电网用户130的自主发电系统的供电量为零。
结合电网用户130在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统140在所述未来预定时间段内的供电情况，为电网用户的在所述未来时间段内的用电计划提供指导。
在一些实施例中，所述用电参数信息包括用电量信息、环境温度信息、环境湿度信、天气信息。其中：用电量信息直接反应了电网用户130的用电量在时序上的变化情况，环境温度信息、环境湿度信息、天气信息等则表征电网用户130所处的环境情况，其直接影响冷暖设备、冰箱、加/除湿设备、电烤炉等用电设备的运行时长、耗电量等。
通过对时序上的用电量信息、环境温度信息、环境湿度信息、天气信息等用电参数信息的深度学习，即可以获得电网用户的用电行为特征。用电行为特征包括电网用户130的用电量在一天中的不同时间段、不同季度的不同时间段内的变化情况，电网用户130的用电量随着天气、环境温度、环境湿度等的变化情况等等。在获得了电网用户130的用电行为特征之后，就具备了对电网用户130在未来预定时间段内的用电行为进行有效预测的基础。
在一些实施例中，所述未来预定时间段内的用电行为影响因素信息包括未来预定时间段内的天气信息、环境温度信息、环境湿度信息、用电人数信息、节假日信息、热门活动信息等等。其中：天气信息、环境温度信息、环境湿度信息表征电网用户130所处的环境情况，其直接影响冷暖设备、冰箱、加/除湿设备、电烤炉等用电设备的运行时长、耗电量等。用电人数信息、节假日信息、热门活动信息也会直接造成电网用户130用电情况的改变，如世界杯期间，用电量可能会出现暴增。
基于电网用户130的用电行为特征和未来预定时间段内的用电行为影响因素信息，智能终端120通过预置的预测算法预测出电网用户130在所述未来预定时间段内的用电行为。该用电行为最直接、最有用的表征即为在所述未来预定时间段内电网用户130的用电需求量在不同时间段内的变化情况。
优选的，所述智能终端120还能够获取到其他智能终端预测到的电网用户
在所述未来预定时间段内的用电行为，并能够将预测到的电网用户130在所述未来预定时间段内的用电行为分享给其他智能终端。在预测电网用户130在所述未来预定时间段内的用电行为时，智能终端120同时考虑获取到的其他智能终端预测到的电网用户在所述未来预定时间段内的用电行为，从而提升预测的准确度。
在一些实施例中，所述未来预定时间段内的供电影响因素信息包括未来预定时间段内的风力、光照强度、降水量、温差信息、公共电力供应机构供电计划等。其中的风力、光照强度、降水量、温差信息等因素直接影响到各类光伏发电系统、水力发电系统及风力发电系统的发电能力，因此也直接影响到公共电力供应机构及自主发电系统的电能供应情况。而公共电力供应机构的供电计划则表征为公共电力供应机构的电能销售量计划、销售价格计划、停电计划等，这些信息也直接影响到电网用户130从供电网络110上所能够获取到的电能情况。
基于采集到的供电影响因素信息，智能终端120基于预置的预测算法预测出公共电力供应机构及自主发电系统140在所述未来预定时间段内的供电情况。该供电情况最直接、最有用的表征即为电网用户130在所述未来预定时间段内能够从公共电力供应机构、自主发电系统140获取到的电能在不同时间段内的变化情况。
最后，结合电网用户130在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统140在所述未来预定时间段内的供电情况。智能终端120通过分析及计算，为电网用户130的在所述未来时间段内的用电计划提供指导。例如，在所述未来预定时间段内的某个时段，电网用户130所能获得的电能高于该时段内电网用户130所需的电能，此时智能终端120可以建议电网用户130将自主发电系统140发出的电能的一部分销售给其他的电网用户，反之，则建议电网用户130安排采购计划从其他电网用户采购短缺的电能。
请参考图2所示，其示出了本发明中的智能终端120在一个实施例中的结构框图。如图2所示，该智能终端120信息采集单元121、深度学习单元122、用电行为预测单元123、供电情况预测单元124、用电计划决策单元125。其中：
信息采集单元121，被配置为采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息。
在一些具体实施例中，该信息采集单元121可以包括一系列不同类型的传感器、数据访问及数据接收装置等。如：在采集用电参数信息中的电量信息、温度信息、湿度信息时，需要使用电压表、电流表、温度探头、湿度探头等计量传感器，在采集用电行为影响因素信息中的天气信息、温度信息、湿度信息等信息时，则可能需要连接气象部门的数据库中心以获取到相应的数据，又如在采集用电行为影响因素信息中的节假日信息、热门活动信息、用电人数信息时则甚至可能需要接受人工输入等等。
深度学习单元122，被配置为对信息采集单元121采集到的用电参数信息进行深度学习以生成电网用户130的用电行为特征。其涉及到的深度学习算法可以采用已有的各类有督促或是无督促学习算法，本发明不进行特别的限制。
用电情况预测单元123，被配置为结合深度学习单元122生成的用电行为特征和信息采集单元121采集到的所述用电行为影响因素信息预测电网用户130在所述未来预定时间段内的用电行为。其中涉及到的预测算法可以采用已知的各类线性拟合、非线性拟合等各类预测算法，本发明不进行特别的限制。
供电情况预测单元124，被配置为用于基于信息采集单元121采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况。其中涉及到的预测算法以采用已知的各类线性拟合、非线性拟合等各类预测算法，本发明不进行特别的限制。
用电计划决策单元125，被配置为结合电网用户130在所述未来预定时间段内的用电情况、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户130的在未来时间段内的用电计划提供指导。
如上文描述的，由于在一些实施例中，不同的智能终端120之间可能需要进行数据交换，以实现用电行为数据等信息的共享。智能终端120也可能需要与公共电力供应机构、外部数据库之间进行数据交换。因此，对应的。智能终端120还可以包括通信单元126，通信单元126通过通信网络170实现智能终端120之间，以及智能终端120与公共电力供应机构、外部数据库(如气象部门数据库等)之前之间的数据交换。如：智能终端120通过通信单元126与其他智能终端120之间共享用电行为信息，智能终端120通过通信单元126从公共电力供应机构获取供电计划信息，智能终端120通过通信单元126从气象部门数据库获取天气信息等。
本发明中的智能终端120可以采用具有数据采集及数据计算、处理功能的电脑系统，也可以采用目前在电力领域广为使用的智能电表，该智能电表必须拥有能够实现本发明中的各项功能的功能模块。这些功能模块可表现为硬件模块、软件模块或是硬件模块与软件模块的结合，相应的功能模块内一般需要预置完成对应功能的算法程序。
本发明还提供了一种分布式电网用户的智能用电方法200，如图3所示，该智能用电方法200包括：
步骤210：将公共电力供应机构供应的电能输送至多个电网用户，每个电网用户使用一个或多个用电设备，多个电网用户中至少有部分电网用户配备有自主发电系统，
步骤220：采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息。
步骤230：对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征。
步骤240：结合用电行为特征和未来用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为。
步骤250：基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况。
步骤260：结合电网用户在所述未来预定时间段内的用电情况、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户的在未来时间段内的用电计划提供指导。
需要进行说明的是，为了加快数据的处理速度，图3实施例中，步骤230、步骤240构成的用电行为预测处理过程与步骤250构成的供电情况预测处理过程是并行执行的。在其他实施例中，也可以先执行步骤230、步骤240构成的用电行为预测处理过程后，再执行步骤250构成的供电情况预测处理过程，或是先执行步骤250构成的供电情况预测处理过程后再执行步骤230、步骤240构成的用电行为预测处理过程，本发明对此并没有进行过限定。
在一些实施例中，所述用电参数信息包括电量信息、环境温度信息、环境湿度信息、天气信息中的一种或几种。所述未来预定时间段内的用电行为影响因素信息包括未来预定时间段内的天气信息、环境温度信息、环境湿度信息、用电人数信息、节假日信息、热门活动信息中的一种或几种。所述未来预定时间段内的供电影响因素信息包括未来预定时间段内的风力信息、光照强度信息、降水量信息、温差信息、公共电力供应机构供电计划中的一种或几种。
由于所述智能用电系统100的智能用电方法200的技术原理一致，因此在介绍智能用电方法200时对于重复的部分进行了简化或省略处理，简化或省略的部分可以参考所述智能用电系统100的有关描述。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是，熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地，本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (8)
1.一种分布式电网用户的智能用电系统，其特征在于，其包括：
供电网络，用于将公共电力供应机构供应的电能输送至多个电网用户，每个电网用户使用一个或多个用电设备，所述多个电网用户中至少有部分电网用户配备有自主发电系统；
多个智能终端，每个智能终端对应安装于一个电网用户的接入所述供电网络的连接处；对于配备有自主发电系统的电网用户，所述智能终端同时安装于对应的电网用户的接入其所配备的自主发电系统的连接处；无论是供电网络供应的电能或是自主发电系统供应的电能均通过智能终端输送至电网用户，所述智能终端用于：
采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息，其中所述用电参数信息包括用电量信息、环境温度信息、环境湿度信息、天气信息中的一种或几种，其中从气象部门的数据库中心获取环境温度信息、环境湿度信息和天气信息；
对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征，所述用电行为特征包括电网用户的用电量在一天中的不同时间段、不同季度的不同时间段内的变化情况，电网用户的用电量随天气、环境温度、环境湿度的变化情况；
结合生成的用电行为特征和采集到的所述用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为，该用电行为包括在所述未来预定时间段内电网用户的用电需求量在不同时间段内的变化情况；
基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况；和
结合电网用户在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户的在所述未来预定时间段内的用电计划提供指导，
所述智能终端还能够获取到其他智能终端预测到的电网用户在所述未来预定时间段内的用电行为，并能够将预测到的电网用户在所述未来预定时间段内的用电行为分享给其他智能终端；
在预测电网用户在所述未来预定时间段内的用电行为时，同时考虑获取到的其他智能终端预测到的电网用户在所述未来预定时间段内的用电行为。
2.如权利要求1所述的智能用电系统，其特征在于，所述未来预定时间段内的用电行为影响因素信息包括未来预定时间段内的天气信息、环境温度信息、环境湿度信息、用电人数信息、节假日信息、热门活动信息中的一种或几种。
3.如权利要求1所述的智能用电系统，其特征在于，所述未来预定时间段内的供电影响因素信息包括未来预定时间段内的风力信息、光照强度信息、降水量信息、温差信息、公共电力供应机构供电计划中的一种或几种。
4.如权利要求1所述的智能用电系统，其特征在于，所述自主发电系统包括光伏发电系统、风能发电系统、水力发电系统中的一种或几种，所述公共电力供应机构包括国家级主网电力供应商及小型电力运营商。
5.如权利要求1所述的智能用电系统，其特征在于，所述智能终端包括：
信息采集单元，用于采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息；
深度学习单元，用于对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征；
用电行为预测单元，结合生成的用电行为特征和采集到的所述用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为；
供电情况预测单元，用于基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况；和
用电计划决策单元，用于结合电网用户在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户的在所述未来预定时间段内的用电计划提供指导。
6.如权利要求5所述的智能用电系统，其特征在于，所述智能终端还包括：
通信单元，其用于实现智能终端之间及智能终端与公共电力供应机构之间的数据交换。
7.一种分布式电网用户的智能用电方法，其特征在于，其包括：
将公共电力供应机构供应的电能输送至多个电网用户，每个电网用户使用一个或多个用电设备，所述多个电网用户中至少有部分电网用户配备有自主发电系统；
采集电网用户的用电参数信息、未来预定时间段内的用电行为影响因素信息及未来预定时间段内的供电影响因素信息，所述用电参数信息包括用电量信息、环境温度信息、环境湿度信息、天气信息中的一种或几种；
对采集到的用电参数信息进行深度学习以生成电网用户的用电行为特征，所述用电行为特征包括电网用户的用电量在一天中的不同时间段、不同季度的不同时间段内的变化情况，电网用户的用电量随天气、环境温度、环境湿度的变化情况；
结合生成的用电行为特征和采集到的所述用电行为影响因素信息预测电网用户在所述未来预定时间段内的用电行为，该用电行为包括在所述未来预定时间段内电网用户的用电需求量在不同时间段内的变化情况；
基于采集到的供电影响因素信息预测公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况；和
结合电网用户在所述未来预定时间段内的用电行为、公共电力供应机构及自主发电系统在所述未来预定时间段内的供电情况，为电网用户的在所述未来预定时间段内的用电计划提供指导，
其中还获取到其他智能终端预测到的电网用户在所述未来预定时间段内的用电行为，并能够将预测到的电网用户在所述未来预定时间段内的用电行为分享给其他智能终端；在预测电网用户在所述未来预定时间段内的用电行为时，同时考虑获取到的其他智能终端预测到的电网用户在所述未来预定时间段内的用电行为。
8.如权利要求7所述的智能用电方法，其特征在于：
所述未来预定时间段内的用电行为影响因素信息包括未来预定时间段内的天气信息、环境温度信息、环境湿度信息、用电人数信息、节假日信息、热门活动信息中的一种或几种；
所述未来预定时间段内的供电影响因素信息包括未来预定时间段内的风力信息、光照强度信息、降水量信息、温差信息、公共电力供应机构供电计划中的一种或几种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911397518.2A CN111027785B (zh) | 2019-12-30 | 2019-12-30 | 一种分布式电网用户的智能用电系统及用电方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911397518.2A CN111027785B (zh) | 2019-12-30 | 2019-12-30 | 一种分布式电网用户的智能用电系统及用电方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111027785A CN111027785A (zh) | 2020-04-17 |
| CN111027785B true CN111027785B (zh) | 2023-10-10 |
Family
ID=70199882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911397518.2A Active CN111027785B (zh) | 2019-12-30 | 2019-12-30 | 一种分布式电网用户的智能用电系统及用电方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027785B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103683503A (zh) * | 2013-12-03 | 2014-03-26 | 国家电网公司 | 一种基于智能交互设备实现家庭用电管理系统 |
| CN103944263A (zh) * | 2014-04-15 | 2014-07-23 | 北京国电通网络技术有限公司 | 具有多样性负载设备的电网的管控方法及系统 |
| CN106786789A (zh) * | 2016-11-18 | 2017-05-31 | 国网江苏省电力公司涟水县供电公司 | 微网发电量实时控制系统及方法 |
| CN108280552A (zh) * | 2018-02-24 | 2018-07-13 | 合肥工业大学 | 基于深度学习的电力负荷预测方法和系统、存储介质 |
| CN108416509A (zh) * | 2018-02-08 | 2018-08-17 | 合肥工业大学 | 工业企业的电力能耗需求响应方法和系统、存储介质 |
| CN109462231A (zh) * | 2018-11-15 | 2019-03-12 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
| CN110086205A (zh) * | 2019-06-24 | 2019-08-02 | 珠海格力电器股份有限公司 | 供电系统的控制方法、装置、系统和存储介质 |
| CN110136024A (zh) * | 2019-03-28 | 2019-08-16 | 创炘源智能科技(上海)有限公司 | 获取用户的用电特征、用电习惯及用电量预测值的方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120253532A1 (en) * | 2011-03-30 | 2012-10-04 | General Electric Company | Systems and methods for forecasting electrical load |
| CA3030490A1 (en) * | 2018-01-22 | 2019-07-22 | Pason Power Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
-
2019
- 2019-12-30 CN CN201911397518.2A patent/CN111027785B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103683503A (zh) * | 2013-12-03 | 2014-03-26 | 国家电网公司 | 一种基于智能交互设备实现家庭用电管理系统 |
| CN103944263A (zh) * | 2014-04-15 | 2014-07-23 | 北京国电通网络技术有限公司 | 具有多样性负载设备的电网的管控方法及系统 |
| CN106786789A (zh) * | 2016-11-18 | 2017-05-31 | 国网江苏省电力公司涟水县供电公司 | 微网发电量实时控制系统及方法 |
| CN108416509A (zh) * | 2018-02-08 | 2018-08-17 | 合肥工业大学 | 工业企业的电力能耗需求响应方法和系统、存储介质 |
| CN108280552A (zh) * | 2018-02-24 | 2018-07-13 | 合肥工业大学 | 基于深度学习的电力负荷预测方法和系统、存储介质 |
| CN109462231A (zh) * | 2018-11-15 | 2019-03-12 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
| CN110136024A (zh) * | 2019-03-28 | 2019-08-16 | 创炘源智能科技(上海)有限公司 | 获取用户的用电特征、用电习惯及用电量预测值的方法及装置 |
| CN110086205A (zh) * | 2019-06-24 | 2019-08-02 | 珠海格力电器股份有限公司 | 供电系统的控制方法、装置、系统和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 智能电网电力资源优化配置系统研究;陈玉雯;;数码世界(第10期);303 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111027785A (zh) | 2020-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Saad al-sumaiti et al. | Smart home activities: A literature review | |
| CN102136102B (zh) | 针对消费者能源消耗的分析 | |
| Siano et al. | Designing and testing decision support and energy management systems for smart homes | |
| AU2014207369B2 (en) | Applications of non-intrusive load monitoring and solar energy disaggregation | |
| Nistor et al. | Integrated management of energy resources in residential buildings—A Markovian approach | |
| CN102855525B (zh) | 一种居民用户负荷预测分析系统和方法 | |
| Chojecki et al. | Energy management system for residential buildings based on fuzzy logic: design and implementation in smart‐meter | |
| Barbato et al. | A framework for home energy management and its experimental validation | |
| Rajendhar et al. | Application of DR and co‐simulation approach for renewable integrated HEMS: a review | |
| Ciabattoni et al. | Design of a home energy management system by online neural networks | |
| Ma et al. | Study on smart home energy management system based on artificial intelligence | |
| Luo et al. | Distributed residential energy resource scheduling with renewable uncertainties | |
| Zhang et al. | Affinely adjustable robust energy management system for smart homes | |
| Wang et al. | Coordinated residential energy resource scheduling with human thermal comfort modelling and renewable uncertainties | |
| Neupane et al. | GOFLEX: extracting, aggregating and trading flexibility based on FlexOffers for 500+ prosumers in 3 European cities [operational systems paper] | |
| CN113723684A (zh) | 一种企业电力用户的负荷预测及能源管理的装置及方法 | |
| CN111027785B (zh) | 一种分布式电网用户的智能用电系统及用电方法 | |
| Huda et al. | Automatic transfer switch design utilizing NodeMCU ESP8266 based on internet of things (IoT) | |
| TWI804783B (zh) | 電能量測裝置 | |
| JP2023032358A (ja) | 蓄電池の充放電効率を推定する推定装置、システム、プログラム及び方法 | |
| Mehra | Optimal sizing of solar and battery assets in decentralized micro-grids with demand-side management | |
| Jha et al. | IoT-enabled Smart Energy Management Device for Optimal Scheduling of Distributed Energy Resources | |
| Jindal et al. | Internet of Energy for Smart Cities: Machine Learning Models and Techniques | |
| Waleed et al. | Solar power load energy management system–A review | |
| Mbuya | Short-term forecast techniques for energy management systems in microgrid applications |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221011 Address after: Room 806, No. 570 Shengxia Road, Free Trade Pilot Zone, Pudong New Area, Shanghai, 201203 Applicant after: Shanghai xinlianxin Intelligent Technology Co.,Ltd. Address before: Room 1002, No. 2, Lane 642, Shixue Road, Yinzhou District, Ningbo City, Zhejiang Province 310000 Applicant before: NEOCORE TECHNOLOGY (NINGBO) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |