CN111127082A - 用于供能系统的数据处理系统、方法及装置 - Google Patents
用于供能系统的数据处理系统、方法及装置 Download PDFInfo
- Publication number
- CN111127082A CN111127082A CN201911251924.8A CN201911251924A CN111127082A CN 111127082 A CN111127082 A CN 111127082A CN 201911251924 A CN201911251924 A CN 201911251924A CN 111127082 A CN111127082 A CN 111127082A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy supply
- influence quantity
- cost
- data processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title abstract description 29
- 238000005265 energy consumption Methods 0.000 claims abstract description 110
- 238000003672 processing method Methods 0.000 claims abstract description 28
- 230000009471 action Effects 0.000 claims description 53
- 230000015654 memory Effects 0.000 claims description 28
- 230000008901 benefit Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000005611 electricity Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- -1 wind energy Substances 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种用于供能系统的数据处理系统、方法及装置,其中所述系统包括:分类模块,用于根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个用能对象进行分类,以得到一或多个用能对象群体;处理模块,用于根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的影响量取值范围,获得对应于每个用能对象群体的群体供能价格。本申请公开的用于供能系统的数据处理系统、方法及装置,通过根据各用能对象的供能成本影响量对用能对象进行分类并设置对应该群体的群体供能价格,降低用能对象的用能行为变化的频繁性,从而有效提高供能系统供能的效率,降低供能负担。
Description
技术领域
本申请涉及电网技术领域,尤其涉及一种用于供能系统的数据处理系统、方法及装置。
背景技术
目前电力市场的定价策略包括固定电价、分时电价、阶梯电价、以及实时电价等。随着智能电网技术的发展,对于实时变化的负荷需求提供实时电价是目前电价制定的发展方向。
实时电价的变化会产生不同的负荷曲线(Load Profile),而不同的负荷曲线又能够影响电网的运行模式。在目前的电力定价措施下,用户可能会通过其用电行为的反复变化,从而利用电力价格的变化进行获利。这样的情况下,会导致电力系统的供能成本的相对增加,降低电力系统供能的效率,且给电力系统造成不必要的负担。
发明内容
鉴于以上所述相关技术的缺点,本申请的目的在于提供一种用于供能系统的数据处理系统、数据处理方法、数据处理装置及存储介质,用于解决现有技术中存在的问题。
为实现上述目的及其他相关目的,本申请第一方面公开一种用于供能系统的数据处理系统,所述供能系统向用能对象供能,所述用于供能系统的数据处理系统包括:分类模块,用于根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体;处理模块,用于根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
在本申请的第一方面的某些实施方式中,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的;在一时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果,其中,该计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
在本申请的第一方面的某些实施方式中,所述供能利益最大化条件指的是由即时供能价格表示的对应时隙的供能边际利益同该供能量作用下的所述供能成本的边际成本一致。
在本申请的第一方面的某些实施方式中,每个用能对象群体对应的群体供能价格在对应的影响量取值范围内取值。
在本申请的第一方面的某些实施方式中,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。
在本申请的第一方面的某些实施方式中,所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
在本申请的第一方面的某些实施方式中,对每个所述用能对象进行分类的方式包括聚类方式。
在本申请的第一方面的某些实施方式中,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:以所述每个用能对象构成的集合为初始集合,执行分类动作:在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;若是,则将当前集合中的每个用能对象归属为一用能对象群体;若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合;其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
在本申请的第一方面的某些实施方式中,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作:以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
本申请第二方面公开一种用于供能系统的数据处理方法,所述供能系统向用能对象供能;所述数据处理方法包括:根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体;根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
在本申请的第二方面的某些实施方式中,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的;在一时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果,其中,该计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
在本申请的第二方面的某些实施方式中,所述供能利益最大化条件指的是由供能价格表示的供能利益的边际利益同该供能量作用下的所述供能成本的边际成本一致。
在本申请的第二方面的某些实施方式中,每个用能对象群体对应的群体供能价格在对应的影响量取值范围内取值。
在本申请的第二方面的某些实施方式中,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。
在本申请的第二方面的某些实施方式中,所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
在本申请的第二方面的某些实施方式中,对每个所述用能对象进行分类的方式包括聚类方式。
在本申请的第二方面的某些实施方式中,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:以所述每个用能对象的供能成本影响量构成的集合为初始集合,执行分类动作:在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;若是,则将当前集合中的每个用户对象归属为一用能对象群体;若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合;其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
在本申请的第二方面的某些实施方式中,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作:以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
本申请第三方面公开一种用于供能系统的数据处理装置,所述数据处理装置耦接一或多个供能系统;所述数据处理装置包括:一或多个存储器,用于存储至少一程序;一或多个处理器,用于调用所述至少一程序,以执行如第二方面所述的用于供能系统的数据处理方法。
本申请第四当面公开一种计算机可读存储介质,存储有至少一程序,所述至少一程序在被调用时执行并实现如第二方面所述的用于供能系统的数据处理方法。
综上所述,本申请公开的用于供能系统的数据处理系统、方法及装置、存储介质,实现了如下技术效果:通过根据各用能对象的供能成本影响量对用能对象进行分类,将用能对象分为不同的群体,以制定更具针对性的价格;并根据各用能对象群体对应的供能成本影响量的取值范围,设置对应该群体的群体供能价格,从而有效地避免用能对象为了获取更低的价格以付出更少的费用改变其用能模式,从而影响供能系统的稳定性和可靠性,并造成供能系统的边际成本增加的问题。同时,通过为不同的用能对象群体设置不同的群体供能价格,降低用能对象的用能行为变化的频繁性,从而有效提高供能系统供能的效率,降低供能负担。
附图说明
图1显示为本申请的应用场景在一实施例中的结构示意图。
图2显示为本申请用于供能系统的数据处理系统在一实施例中的结构示意图。
图3显示为本申请在一实施例中分类方法的流程示意图。
图4显示为图3分类方法的原理示意图。
图5显示为本申请另一实施例中的分类方法的原理示意图。
图6显示为本申请用于供能系统的数据处理方法在一实施例中的流程示意图。
图7显示为本申请数据处理装置在一实施例中的结构示意图。
具体实施方式
以下由特定的具体示例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
虽然在一些实例中术语第一、第二等在本文中用来描述各种集合,但是这些集合不应当被这些术语限制。这些术语仅用来将一个集合与另一个集合进行区分。例如,第一子集合可以被称作第二子集合,并且类似地,第二子集合可以被称作第一子集合,而不脱离各种所描述的实施例的范围。第一子集合和第二子集合均是在描述一个子集合,但是除非上下文以其他方式明确指出,否则它们不是同一个子集合。相似的情况还包括第一用能对象群体与第二用能对象群体。
如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能,再经输电、变电和配电将电能供应到各用户。为实现这一功能,电力系统还需要包括数据处理系统,以对电能的生产过程进行测量、调节、控制、保护、通信、以及调度等。
电力系统的主体结构有电源、变电所、输电/配电线路、以及负荷中心。所述电源包括但不限于水电站、火电厂、以及核电站等发电厂。根据能源类型的不同,电力系统的类型包括但不限于:基于传统燃料发电的电网、基于新能源发电的微电网等。所述新能源包括但不限于:煤炭、天然气、风能、水能、光伏、生物质能、海洋能、以及其他形式等中的一种或多种方式。
电能的生产与供应使用应当保持平衡。现有技术通常基于用户的负荷曲线来获取未来一段时间内的负荷预测,从而根据预测结果为不同的用户制定不同的电力价格。然而,用户的能源消耗模式往往随着时间的变化而变化,为了更高效地控制供能系统的运行,有针对性地为不同类型的用户提供不同的价格,能够避免套利者获利,一方面提高对供能系统运行的控制效率,另一方面增加供能系统的可靠性和稳定性。
基于此,本申请提供一种用于供能系统的数据处理系统,以获得定制化的价格。
请参阅图1,显示为本申请的应用场景在一实施例中的结构示意图。
如图所示,所述供能系统11向一个或多个用能对象12提供能源供应,每个用能对象12向供能系统付费。其中,所述供能系统可供应如电能、热能的能源;所述供能系统可以被应用在家庭、企业、商场、学校等任何用能场所。
其中,所述用能对象指一个或多个需要用能的设备,例如工业设备,例如制造/加工设备、流水线设备等;又例如家用电器设备,例如电视、冰箱、空调等,又例如照明系统等的灯具。在一些示例中,所述用能对象可以是接入同一计量装置的至少一个用能设备的总称。
所述供能系统的类型以及向用能对象供能的传输介质可根据能源的类型而确定。所述能源的类型包括但不限于为电能、热能等。例如,当所述能源为电能时,所述能源系统包括但不限于为电网,所述传输介质包括但不限于为电线。
本申请的应用场景可以是传统的火力发电电网,也可以是基于分布式能源的微电网等,此处不作限制。为了表述方便,本申请实施例中以应用环境为微电网为举例。
在一些实施例中,用能对象一侧还可以包括储能装置,所述储能装置用于储备一定容量的能源。所述储能装置包括但不限于为蓄电池、超级电容器等。其中,所述蓄电池可为铅酸电池、镍镉电池、镍氢电池、钠硫电池、锂电池或燃料电池等。
可以理解的是,由于并非限制交易对象为电能,因此对其价格的表述亦不限制于电价,在本文中通过“价格”、“供能价格”、“即时供能价格”、以及“群体供能价格”表达;相应的,电网系统、电力系统等,也通过“供能系统”来替代性地表达。
所述供能系统耦接于用能对象。需说明的是,所述供能系统只是一种概括性的表达,而非限制其必须为一独立的实体装置。所述供能系统和用能对象之间的耦合关系指的直接或间接的连接关系,只要能令用能对象从供能系统获得能量即可,而并不限制其具体实现形式。
请参阅图2,显示为本申请用于供能系统的数据处理系统在一实施例中的结构示意图。
如图所示,所述数据处理系统2包括分类模块201和处理模块202。
应当理解,本申请于实施方式中描述的数据处理系统只是一个应用实例,该设备的组件可以比图示具有更多或更少的组件,或具有不同的组件配置;而且,分类模块201和处理模块202也并非必须分属于相互分离的组件;例如,分类模块201的部分或全部可以与处理模块202集成在一起。
本申请示例中所绘制图示的各种组件可以用硬件、软件或软硬件的组合来实现,包括一个或多个信号处理和/或专用集成电路。
所述分类模块201用于根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体。
在一实施例中,所述供能成本影响量等数据是在一个或多个时段内进行衡量、评估、拟合、或计算的。其中,所述时段是指用能对象的用能时长;所述用能时长包括但不限于:一或多日、一或多周、一或多月、或者一或多年等。
其中,每个所述时段包括一个或具有不同时间特征信息的多个周期性的时隙。举例来说,设所述时段为一天,所述时隙为一天中的每个小时。或者,在一个时段中按价格的不同可以分为多个时隙,即:0AM~7AM时隙、7AM~11PM时隙、11PM~5PM时隙、5PM~7PM时隙、7PM~12PM时隙。
需要说明的是,所述时段内各时隙的时序分配仅为举例,而非对本申请中用能对象的用能环境的限制。
在本申请示例中,以T表示所述时段,以t表示所述时隙;其中,t的可行域为[1,7]。例如,所述时隙为一天中的每个小时,则T为24*t。
需要说明的是,在实际场景中,用能对象之间的用能模式(Energy ConsumptionPatterns)各有不同,而每个用能对象的用能又会随着时间的变化而变化。相较于通过对未来用能对象的能源消耗来改进供能系统,所述供能成本影响量能够更好地评估当用能对象的能源消耗量改变时供能系统的敏感程度。换言之,供能系统向用能对象的供能量的变化量可以用于衡量供能系统的鲁棒性(Robustness)。
在一时段中,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的。在一示例中,公式1给出了每个用能对象i的供能成本影响量MCIi的定义,由与该用能对象i从该供能系统所获得供能量的变化量与供能成本的变化量的关系来计算得到:
公式1:
需说明的是,在其它实施例中,所述供能量和总供能量的计算方式也可以加以变化,例如,每一时段T内总供能量可以是各时隙t的供能量的和的均值或加权和,每一时隙t的供能量可以是各时刻的供能量的和的均值或加权和等,并非以此为限。
在该时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果。其中,所述供能利益最大化条件指的是由即时供能价格表示的对应时隙的供能边际利益同该供能量作用下的所述供能成本的边际成本一致。
在一示例中,定义供能成本和供能量的数学关系,由公式2的成本函数表示:
当然,虽然本实施例中通过一元二次方程来表示供能量Lt和供能系统的供能成本C(Lt)之间的数学关系,但是并不限制于此,在其它实施例中可以通过其它多项式形式加以替代。
公式3:
由此,在满足供能利益最大化条件下,所述用能对象的成本影响量为根据所述成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果。所述计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
在一示例中,公式1中的MCIi代入公式3而转换为公式4表示:
公式4:
在公式4中,p(t)为每个时隙对应的即时供能价格,为每个时隙t的供能系统对单个用能对象i的供能量,为的1-范数(1-norm)后的该用能对象i于该时段T的总供能量。所述占比系数即为与的比值,则在本实施例中,所述综合结果即为在时段T中每个时隙t对应的占比系数(作为权重)和即时供能价格的加权和。
需说明的是,在其它实施例中,所述综合结果的计算方式也可以加以变化,例如在公式4的基础上增加其它权重系数等,并非以此为限。
通过利用与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,将用能对象划分为一或多个以供能成本影响量为度量指标的用能对象群体,从而便于对影响量不同的用能对象群体执行不同的供能策略。例如,所述供能策略可以是通过对不同的用能对象群体制定不同的价格来实现。
其中,可以通过聚类、或人工分类以及其他等方式对每个所述用能对象进行分类,以获得一个或多个用能对象群体。所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
在一示例中,可以通过聚类的方式对每个所述用能对象进行分类;所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
以所述每个用能对象构成的集合为初始集合,执行分类动作:
在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;
若是,则将当前集合中的每个用能对象归属为一用能对象群体;
若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合。
其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
请参阅图3,显示为本申请在一实施例中分类方法的流程示意图。
具体而言,对于n个用能对象,假设每个用能对象i对应的供能成本影响量为MCIi。将这n个用能对象构成的集合作为初始集合C,即,C={i|i=1,...,n}。则对应的影响量取值范围为{MCIi|miniMCIi≤MCIi≤maxiMCIi}。假设预设距离条件为属于同一用能对象群体的每个用能对象i的供能成本影响量间最大差异量小于或等于预设距离值2ρ,即满足:|maxiMCIi-miniMCIi|≤2ρ,则对应的分类方法的步骤包括:
步骤301,获取初始集合C,并执行步骤302;
步骤302,更新当前集合;对于初次分类而言,初始集合C即作为这一次分类中的当前集合;执行步骤303;
步骤303,对当前集合执行分类动作,即判断当前集合对应的影响量取值范围是否满足预设距离条件,例如判断|maxiMCIi-miniMCIi|是否小于或等于2ρ;若是,则执行步骤304;若否,则执行步骤305;
步骤304,将该当前集合中的每个用能对象归属为一个用能对象群体C1。在这种情况下,所述初始集合C即为一个用能对象群体,该群体内的每个用能对象均满足预设条件;对用能对象的分类已完成;
步骤305,对当前集合的每个用能对象分别执行集合分解动作,即:判断|MCIi-miniMCIi|≤|MCIi-maxiMCIi|,若是,则将该用能对象归属为第一子集合C1,该第一子集合C1包括miniMCIi的值;否则将该用能对象归属为第二子集合C2,该第二子集合C2包括maxiMCIi的值;然后执行步骤306;
步骤306,分别对第一子集合C1和第二子集合C2重复执行步骤302~步骤303的流程,分别将第一子集合C1和第二子集合C2作为当前集合,并判断C1和C2中对应的影响量取值范围是否满足预设距离条件。即对于每个子集合,重复步骤302~步骤306的流程,直至分类获得的所有集合均满足预设距离条件,分类完成。
请参阅图4,显示为图3分类方法的原理示意图。
举例来说,对初始集合C执行前述的步骤301~步骤303的流程,根据预设距离条件将初始集合中的用能对象分别归属至第一子集合C1和第二子集合C2。判断第一子集合C1中的影响量范围满足|maxiMCIi-miniMCIi|>2ρ,则继续对第一子集合进行分类,获得第一子集合C1的两个子集合C11和C12。分别对子集合C11和C12执行分类动作,判断子集合C11和C12中的用能对象对应的影响量取值范围是否满足预设距离条件。
假设子集合C11满足预设距离条件,则子集合C11不需要继续执行集合分解动作;子集合C12不满足预设距离条件,则继续对子集合C12执行集合分解动作,并获得子集合C12的子集合C121和C122。当每个集合(包括C2、C11、C121和C122)均满足预设距离条件时,分类完成。
由此,对用能对象进行分类获得的多个用能对象群体为第二子集合C2、子集合C11、子集合C121、以及子集合C122形成的四个用能对象群体。
在一示例中,按另一种聚类方式对每个所述用能对象进行分类的步骤包括:
步骤401,对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作;
步骤402,以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;
步骤403,将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
请参照图5,显示为本申请另一实施例中的分类方法的原理示意图。
如图所示,图中纵轴表示第i个用能对象,横轴表示每个用能对象对应的供能成本影响量的值MCIi。对于n个用能对象,将这些用能对象按照供能成本影响量从小到大排序,从而获得序列(1,MCI1),(2,MCI2),...,(i,MCIi),在横轴获得MCI值的序列{MCI1,MCI2,...,MCIi}。
假设以该序列中的极小值MCI1为当前端点,预设影响量距离条件为用能对象群体内的影响量满足|maxMCIi-minMCIi|≤2ρ,则影响量取值范围为2ρ。以该极小值MCI1为当前端点,依次判断下一个MCI值是否满足上述条件,直至找到满足上述条件的最大值MCIj。将MCI1到MCIj之间(包括MCI1和MCIj)的用能对象归属为一个用能对象群体C1。将下一个端点MCIj+1作为当前端点,重复执行分类动作,将满足影响量距离条件的MCIj+1到MCIn之间(包括MCIj+1和MCIn)的用能对象归属为一个用能对象群体C2。
举例来说,对于5个用能对象群体,其与对应的供能成本影响量的大小构成的序列(i,MCIi)例如分别为(1,21)、(4,22)、(3,24)、(5,43)、(2,46)。假设预设的影响量距离条件为一用能对象群体的影响量范围满足|maxMCIi-minMCIi|≤10,即设置影响量取值范围参数ρ=5。例如以序列中的极小值(1,21)所在位置为当前端点,判断下一端点是否满足上述影响量距离条件。显然,(1,21)、(4,22)、(3,24)均满足上述影响量距离条件。其中,(3,24)中的“24”是满足影响量距离条件的MCI值的最大值,该最大值即为影响量取值范围内的相对端点。由此,可以获得第一个用能群体对象C1,包括第1个用户、第3个用户以及第4个用户。
然后,将该相对端点的下一端点(5,43)作为下一次的当前端点,继续执行分类动作。即,判断下一端点(2,46)与该端点(5,43)的影响量MCI的距离是否小于10。由此,获得第二个用能对象群体C2,包括第2个用户和第5个用户。该序列中的另一极值即第5个用户对应的端点,而第5个用户已经完成分类,并被归属于一个用能群体。因此,分类完成,获得两个用能对象群体分别为C1和C2。
当然,以上仅作为一种易于理解的举例,实际中用能对象群体的数量可能更为庞大,且对应的供能成本影响量并不局限为一个特定的值,也可能为一个能够用于进行比较计算的表达式、函数、字符串等等,此处不作限制。
在一示例中,还可以通过人工分类的方式对每个所述用能对象进行分类,以获得一个或多个用能对象群体。
举例来说,在用能对象的数量较小的情况下,可以通过简单的计算或判断直接手动对每个用能对象进行分类。具体来说,对于多个用能对象c1、c2、c3、c4和c5,分别计算获得每个用能对象的供能成本影响量MCI1、MCI2、MCI3、MCI4和MCI5的大小。假设影响量距离条件为供能成本影响量大于(或小于等于)某一预设的阈值,其中,MCI1、MCI2、MCI3大于(或小于等于)该阈值,MCI4、MCI5小于等于(或大于)该阈值,则可以将MCI1、MCI2、MCI3分为一个用能对象群体C1,将MCI4和MCI5分为另一个用能对象群体C2。
可以理解的是,上述示例仅为对本申请实施例中分类方式的举例,而非对分类的具体实现方式进行限制。可以理解的是,本实施例中对于分类方法的描述仅作为举例,而并不限制分类的具体实现方式。例如,还可以通过其他聚类算法对用能对象进行分类等。
所述处理模块202用于根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
可以理解的是,供能成本影响量的大小反映了用能对象的能源消耗量对供能系统的影响。根据不同的用能对象可能对供能系统造成的影响对不同用能对象分别定制不同的价格,能够更好地控制供能系统的运行,供能更加高效率。
在一示例中,可以为预先设定影响量取值范围的用能对象群体设置不同的标签以及对应的预设价格。举例来说,预先设置用能对象群体分类例如为“影响量较大用户”、“影响量一般用户”以及“影响量较小用户”这三种标签,每种类型对应一个影响量取值范围。每种类型预先设置不同的价格,例如,预设“影响量较大用户”类型的群体供能价格为1元/千瓦时。
前述实施例中将用能对象进行分类的步骤,其实质上已经使得获得的各用能对象群体内的各用能对象拥有了共同的特征,即对应的供能成本影响量均满足影响量距离条件,则可根据每个用能对象群体对应的群体供能价格在对应的影响量取值范围设置相应的价格。
可以理解的是,在一个用能对象群体中,中心值往往能够一定程度上反映该群体内的各用能对象的普遍用能模式。
因此,在一示例中,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。所述影响量取值范围中心是根据该用能对象群体内各用能对象在每一时段内的总供能量与该用能对象群体内用能对象的数量的比值得到的。
例如,在一个包含有s个用户的用能对象群体C内,假设供能系统在每个时隙t向每个用能对象i的供能量为则供能系统在一时段T内对该用能对象群体内一用能对象i的总供能量为其中,t∈[1,T],则则,该用能对象群体C内的中心点可以由公式5表示:
公式5:
举例来说,假设以24小时为一个时段,则T=24。若一用能对象群体内包含三个用户(s=3),则供能系统在每小时内对每一用能对象的供能量分别对应的,供能系统在24小时内对每一用能对象的总供能量分别为则该用能对象群体的中心点为
由此,可以获得所述中心点对应的供能成本影响量,从而获得供能系统向该用能对象群体C内的各用能对象的群体供能价格。
在一示例中,所述群体供能价格还可以是在每个用能对象群体对应的影响量取值范围内任意选取一个影响量的值作为对应的该用能对象群体的供能价格。
举例来说,对于一个用能群体C,其包括用能群体U1、U2、U3、U4、U5,对应的影响量取值范围为{19,25,33,40,47},则可以在该范围内手动任意选取一个影响量值,并将该影响量值作为用能群体C内的全部用能对象的用能价格,也就是供能系统的群体供能价格。
在一示例中,所述群体供能价格还可以是在每个用能对象群体对应的影响量取值范围内随机选取一个影响量的值作为对应的该用能对象群体的群体供能价格。可以理解的是,随机取值能够在一定程度上反映该用能对象群体内的用能对象的用能模式。
举例来说,对于一个用能群体C,其包括用能群体U1、U2、U3、U4、U5,对应的影响量取值范围为{19,25,33,40,47},则可以在该范围内例如通过随机算法随机获得一个影响量值,并将该影响量值作为用能群体C内的全部用能对象的用能价格,也就是供能系统的群体供能价格。
应当理解,以上示例仅作为对如何获得群体供能价格的举例,并不作为限制,只要所述群体供能价格是通过用能对象群体对应的影响量取值范围获取的,均未脱离本申请所揭示的技术思想。
本申请提供的用于供能系统的数据处理系统,通过根据各用能对象的供能成本影响量对用能对象进行分类,将用能对象分为不同的群体,以制定更具针对性的价格;并根据各用能对象群体对应的供能成本影响量的取值范围,设置对应该群体的群体供能价格,从而有效地避免用能对象为了获取更低的价格以付出更少的费用,改变其用能习惯或用能模式,从而影响供能系统的稳定性和可靠性,并造成供能系统的边际成本增加的问题。同时,通过为不同的用能对象群体设置不同的群体供能价格,能够提高供能系统供能的效率。
容易理解,所述数据处理系统可以通过包含计算机设备中的软件和硬件来实现。所述计算机设备可以是任何具有数学和逻辑运算、数据处理能力的计算设备,其包括但不限于:个人计算机设备、单台服务器、服务器集群、分布式服务端、云服务端等。
其中,所述云服务端包括公共云(Public Cloud)服务端与私有云(PrivateCloud)服务端,其中,所述公共或私有云服务端包括Software-as-a-Service(软件即服务,简称SaaS)、Platform-as-a-Service(平台即服务,简称PaaS)及Infrastructure-as-a-Service(基础设施即服务,简称IaaS)等。所述私有云服务端例如阿里云计算服务平台、亚马逊(Amazon)云计算服务平台、百度云计算平台、腾讯云计算平台等等。
具体应用场景中,所述分类模块和处理模块都可以是软件模块,这些软件模块可部署在服务器、或服务器上的虚拟机,或服务器上的容器上。此外,这些软件模块可根据实际需求部署在同一服务器上,或者不同服务器上,本申请不做限定。
本申请实施例中还提供用于供能系统的数据处理方法。
请参照图6,显示为本申请用于供能系统的数据处理方法在一实施例中的流程示意图。
如图所示,所述数据处理方法包括:
步骤S601,根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体。
在一实施例中,所述供能成本影响量等数据是在一个或多个时段内进行衡量、评估、拟合、或计算的。其中,所述时段是指用能对象的用能时长;所述用能时长包括但不限于:一或多日、一或多周、一或多月、或者一或多年等。
其中,每个所述时段包括一个或具有不同时间特征信息的多个周期性的时隙。举例来说,设所述时段为一天,所述时隙为一天中的每个小时。或者,在一个时段中按价格的不同可以分为多个时隙,即:0AM~7AM时隙、7AM~11PM时隙、11PM~5PM时隙、5PM~7PM时隙、7PM~12PM时隙。
需要说明的是,所述时段内各时隙的时序分配仅为举例,而非对本申请中用能对象的用能环境的限制。
在本申请示例中,以T表示所述时段,以t表示所述时隙;其中,t的可行域为[1,7]。例如,所述时隙为一天中的每个小时,则T为24*t。
需要说明的是,在实际场景中,用能对象之间的用能模式(Energy ConsumptionPatterns)各有不同,而每个用能对象的用能又会随着时间的变化而变化。相较于通过对未来用能对象的能源消耗来改进供能系统,所述供能成本影响量能够更好地评估当用能对象的能源消耗量改变时供能系统的敏感程度。换言之,供能系统向用能对象的供能量的变化量可以用于衡量供能系统的鲁棒性(Robustness)。
在一时段中,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的。在一示例中,公式1给出了每个用能对象i的供能成本影响量MCIi的定义,由与该用能对象i从该供能系统所获得供能量的变化量与供能成本的变化量的关系来计算得到:
公式1:
需说明的是,在其它实施例中,所述供能量和总供能量的计算方式也可以加以变化,例如,每一时段T内总供能量可以是各时隙t的供能量的和的均值或加权和,每一时隙t的供能量可以是各时刻的供能量的和的均值或加权和等,并非以此为限。
在该时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果。其中,所述供能利益最大化条件指的是由即时供能价格表示的对应时隙的供能边际利益同该供能量作用下的所述供能成本的边际成本一致。
在一示例中,定义供能成本和供能量的数学关系,由公式2的成本函数表示:
当然,虽然本实施例中通过一元二次方程来表示供能量Lt和供能系统的供能成本C(Lt)之间的数学关系,但是并不限制于此,在其它实施例中可以通过其它多项式形式加以替代。
公式3:
由此,在满足供能利益最大化条件下,所述用能对象的成本影响量为根据所述成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果。所述计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
在一示例中,公式1中的MCIi代入公式3而转换为公式4表示:
公式4:
在公式4中,p(t)为每个时隙对应的即时供能价格,为每个时隙t的供能系统对单个用能对象i的供能量,为li的1-范数(1-norm)后的该用能对象i于该时段T的总供能量。所述占比系数即为与的比值,则在本实施例中,所述综合结果即为在时段T中每个时隙t对应的占比系数(作为权重)和即时供能价格的加权和。
需说明的是,在其它实施例中,所述综合结果的计算方式也可以加以变化,例如在公式4的基础上增加其它权重系数等,并非以此为限。
通过利用与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,将用能对象划分为一或多个以供能成本影响量为度量指标的用能对象群体,从而便于对影响量不同的用能对象群体执行不同的供能策略。例如,所述供能策略可以是通过对不同的用能对象群体制定不同的价格来实现。所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
其中,可以通过聚类、或人工分类以及其他等方式对每个所述用能对象进行分类,以获得一个或多个用能对象群体。
在一示例中,可以通过聚类的方式对每个所述用能对象进行分类;所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
以所述每个用能对象构成的集合为初始集合,执行分类动作:
在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;
若是,则将当前集合中的每个用能对象归属为一用能对象群体;
若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合。
其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
请参阅图3,显示为本申请在一实施例中分类方法的流程示意图。
具体而言,对于n个用能对象,假设每个用能对象i对应的供能成本影响量为MCIi。将这n个用能对象构成的集合作为初始集合C,即,C={i|i=1,...,n}。则对应的影响量取值范围为{MCIi|miniMCIi≤MCIi≤maxiMCIi}。假设预设距离条件为属于同一用能对象群体的每个用能对象i的供能成本影响量间最大差异量小于或等于预设距离值,即满足|maxiMCIi-miniMCIi|≤2ρ,则对应的分类方法的步骤包括:
步骤301,获取初始集合C,并执行步骤302;
步骤302,更新当前集合;对于初次分类而言,初始集合C即作为这一次分类中的当前集合;执行步骤303;
步骤303,对当前集合执行分类动作,即判断当前集合对应的影响量取值范围是否满足预设距离条件,例如判断|maxiMCIi-miniMCIi|是否小于或等于2ρ;若是,则执行步骤304;若否,则执行步骤305;
步骤304,将该当前集合中的每个用能对象归属为一个用能对象群体C1。在这种情况下,所述初始集合C即为一个用能对象群体,该群体内的每个用能对象均满足预设条件;对用能对象的分类已完成;
步骤305,对当前集合的每个用能对象分别执行集合分解动作,即:判断|MCIi-miniMCIi|≤|MCIi-maxiMCIi|,若是,则将该用能对象归属为第一子集合C1,该第一子集合C1包括miniMCIi的值;否则将该用能对象归属为第二子集合C2,该第二子集合C2包括maxiMCIi的值;然后执行步骤306;
步骤306,分别对第一子集合C1和第二子集合C2重复执行步骤302~步骤303的流程,分别将第一子集合C1和第二子集合C2作为当前集合,并判断C1和C2中对应的影响量取值范围是否满足预设距离条件。即对于每个子集合,重复步骤302~步骤306的流程,直至分类获得的所有集合均满足预设距离条件,分类完成。
请参阅图4,显示为图3分类方法的原理示意图。
举例来说,对初始集合C执行前述的步骤301~步骤303的流程,根据预设距离条件将初始集合中的用能对象分别归属至第一子集合C1和第二子集合C2。判断第一子集合C1中的影响量范围满足|maxiMCIi-miniMCIi|>2ρ,则继续对第一子集合进行分类,获得第一子集合C1的两个子集合C11和C12。分别对子集合C11和C12执行分类动作,判断子集合C11和C12中的用能对象对应的影响量取值范围是否满足预设距离条件。
假设子集合C11满足预设距离条件,则子集合C11不需要继续执行集合分解动作;子集合C12不满足预设距离条件,则继续对子集合C12执行集合分解动作,并获得子集合C12的子集合C121和C122。当每个集合(包括C2、C11、C121和C122)均满足预设距离条件时,分类完成。
由此,对用能对象进行分类获得的多个用能对象群体为第二子集合C2、子集合C11、子集合C121、以及子集合C122形成的四个用能对象群体。
在一示例中,按另一种聚类方式对每个所述用能对象进行分类的步骤包括:
步骤401,对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作;
步骤402,以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;
步骤403,将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
请参照图5,显示为本申请另一实施例中的分类方法的原理示意图。
如图所示,图中纵轴表示第i个用能对象,横轴表示每个用能对象对应的供能成本影响量的值MCIi。对于n个用能对象,将这些用能对象按照供能成本影响量从小到大排序,从而获得序列(1,MCI1),(2,MCI2),...,(i,MCIi),在横轴获得MCI值的序列{MCI1,MCI2,...,MCIi}。
假设以该序列中的极小值MCI1为当前端点,预设影响量距离条件为用能对象群体内的影响量满足|maxMCIi-minMCIi|≤2ρ,则影响量取值范围为2ρ。以该极小值MCI1为当前端点,依次判断下一个MCI值是否满足上述条件,直至找到满足上述条件的最大值MCIj。将MCI1到MCIj之间(包括MCI1和MCIj)的用能对象归属为一个用能对象群体C1。将下一个端点MCIj+1作为当前端点,重复执行分类动作,将满足影响量距离条件的MCIj+1到MCIn之间(包括MCIj+1和MCIn)的用能对象归属为一个用能对象群体C2。
举例来说,对于5个用能对象群体,其与对应的供能成本影响量的大小构成的序列(i,MCIi)例如分别为(1,21)、(4,22)、(3,24)、(5,43)、(2,46)。假设预设的影响量距离条件为一用能对象群体的影响量范围满足|maxMCIi-minMCIi|≤10,即设置影响量取值范围参数ρ=5。例如以序列中的极小值(1,21)所在位置为当前端点,判断下一端点是否满足上述影响量距离条件。显然,(1,21)、(4,22)、(3,24)均满足上述影响量距离条件。其中,(3,24)中的“24”是满足影响量距离条件的MCI值的最大值,该最大值即为影响量取值范围内的相对端点。由此,可以获得第一个用能群体对象C1,包括第1个用户、第3个用户以及第4个用户。
然后,将该相对端点的下一端点(5,43)作为下一次的当前端点,继续执行分类动作。即,判断下一端点(2,46)与该端点(5,43)的影响量MCI的距离是否小于10。由此,获得第二个用能对象群体C2,包括第2个用户和第5个用户。该序列中的另一极值即第5个用户对应的端点,而第5个用户已经完成分类,并被归属于一个用能群体。因此,分类完成,获得两个用能对象群体分别为C1和C2。
当然,以上仅作为一种易于理解的举例,实际中用能对象群体的数量更为庞大,且对应的供能成本影响量并不局限为一个特定的值,也可能为一个能够用于进行比较计算的表达式、函数、字符串等等,此处不作限制。
在一示例中,还可以通过人工分类的方式对每个所述用能对象进行分类,以获得一个或多个用能对象群体。
举例来说,在用能对象的数量较小的情况下,可以通过简单的计算或判断直接手动对每个用能对象进行分类。具体来说,对于多个用能对象c1、c2、c3、c4和c5,分别计算获得每个用能对象的供能成本影响量MCI1、MCI2、MCI3、MCI4和MCI5的大小。假设影响量距离条件为供能成本影响量大于(或小于等于)某一预设的阈值,其中,MCI1、MCI2、MCI3大于(或小于等于)该阈值,MCI4、MCI5小于等于(或大于)该阈值,则可以将MCI1、MCI2、MCI3分为一个用能对象群体C1,将MCI4和MCI5分为另一个用能对象群体C2。
可以理解的是,上述示例仅为对本申请实施例中分类方式的举例,而非对分类的具体实现方式进行限制。可以理解的是,本实施例中对于分类方法的描述仅作为举例,而并不限制分类的具体实现方式。例如,还可以通过其他聚类算法对用能对象进行分类等。
步骤S602,根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
可以理解的是,供能成本影响量的大小反映了用能对象的能源消耗量对供能系统的影响。根据不同的用能对象可能对供能系统造成的影响对不同用能对象分别定制不同的价格,能够更好地控制供能系统的运行,供能更加高效率。
在一示例中,可以为预先设定影响量取值范围的用能对象群体设置不同的标签以及对应的预设价格。举例来说,预先设置用能对象群体分类例如为“影响量较大用户”、“影响量一般用户”以及“影响量较小用户”这三种标签,每种类型对应一个影响量取值范围。每种类型预先设置不同的群体供能价格,例如,预设“影响量较大用户”类型的价格为1元/千瓦时。
前述实施例中将用能对象进行分类的步骤,其实质上已经使得获得的各用能对象群体内的各用能对象拥有了共同的特征,即对应的供能成本影响量均满足影响量距离条件,则可根据每个用能对象群体对应的群体供能价格在对应的影响量取值范围设置相应的价格。
可以理解的是,在一个用能对象群体中,中心值往往能够一定程度上反映该群体内的各用能对象的普遍用能模式。
因此,在一示例中,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。所述影响量取值范围中心是根据该用能对象群体内各用能对象在每一时段内的总供能量与该用能对象群体内用能对象的数量的比值得到的。
例如,在一个包含有s个用户的用能对象群体C内,假设供能系统在每个时隙t向每个用能对象i的供能量为则供能系统在一时段T内对该用能对象群体内一用能对象i的总供能量为其中,t∈[1,T],则则,该用能对象群体C内的中心点可以由公式5表示:
公式5:
举例来说,假设以24小时为一个时段,则T=24。若一用能对象群体内包含三个用户(s=3),则供能系统在每小时内对每一用能对象的供能量分别对应的,供能系统在24小时内对每一用能对象的总供能量分别为则该用能对象群体的中心点为
由此,可以获得所述中心点对应的供能成本影响量,从而获得供能系统向该用能对象群体C内的各用能对象的群体供能价格。
在一示例中,所述群体供能价格还可以是在每个用能对象群体对应的影响量取值范围内任意选取一个影响量的值作为对应的该用能对象群体的群体供能价格。
举例来说,对于一个用能群体C,其包括用能群体U1、U2、U3、U4、U5,对应的影响量取值范围为{19,25,33,40,47},则可以在该范围内手动任意选取一个影响量值,例如任意选取33为该影响量值,并将该影响量值作为用能群体C内的全部用能对象的用能价格,也就是供能系统的群体供能价格。
在一示例中,所述群体供能价格还可以是在每个用能对象群体对应的影响量取值范围内随机选取一个影响量的值作为对应的该用能对象群体的群体供能价格。可以理解的是,随机取值能够在一定程度上反映该用能对象群体内的用能对象的用能模式。
举例来说,对于一个用能群体C,其包括用能群体U1、U2、U3、U4、U5,对应的影响量取值范围为{19,25,33,40,47},则可以在该范围内例如通过随机算法随机获得一个影响量值,例如通过随机算法随机选择40作为影响量值,并将该影响量值作为用能群体C内的全部用能对象的用能价格,也就是供能系统的群体供能价格。
应当理解,以上示例仅作为对如何获得群体供能价格的举例,并不作为限制,只要所述群体供能价格是通过用能对象群体对应的影响量取值范围获取的,均未脱离本申请所揭示的技术思想。
本申请实施例提供的用于供能系统的数据处理系统用于执行所述用于供能系统的数据处理方法,所述数据处理方法与数据处理系统的一个或多个功能模块相对应,其实现原理和技术效果类似,故此处不再赘述。
本申请还提供一种用于供能系统的数据处理装置。所述数据处理装置通过接口单元可操作地耦接一或多个供能系统;通过接口单元,所述数据处理装置能够与一或多个供能系统进行数据交互或通信传输。其中,所述接口单元包括I/O端口、输入结构、网络端口、有线或无线通信模块(例如有线或无线网卡、2G/3G/4G/5G模块)等。
例如,所述数据处理装置将群体供能价格发送至供能系统,由供能系统按该群体供能价格向一或多个用能对象提供能源供应,并向所述一或多个用能对象执行收费。
请参照图7,显示为本申请数据处理装置在一实施例中的结构示意图。
如图所示,所述数据处理装置7包括一或多个存储器701、一个或多个处理器702、以及存储于所述一或多个存储器701中的一个或多个程序。
其中,所述一个或多个程序被存储在所述存储器701中并被配置为由所述一个或多个处理器702执行,所述一个或多个处理器702运行所述程序以执行前述的用于供能系统的数据处理方法,以获得群体供能价格。
可以理解的是,所述用于供能系统的数据处理方法的原理和具体流程/步骤可以参照图6对应的实施例描述,故在此不再赘述。
在一示例中,所述存储器可包括高速随机存取存储器,并且还可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中,存储器还可以包括远离一个或多个处理器的存储器,例如经由RF电路或外部端口以及通信网络(未示出)访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等,或其适当组合。所述存储器还包括存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。所述存储器用于存储至少一个程序,用以在执行时执行基于本申请技术思想而示例的各步骤。
所述存储器可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器也可以包括非易失性存储器(Non-VolatileMemory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)。
所述一个或多个处理器可操作地与存储器和/或非易失性存储设备耦接。更具体地,处理器可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
所述一个或多个处理器还可与接口单元可操作地耦接;通过接口单元,所述计算设备能够与各种其他电子设备进行交互,以及可使得用户能够与计算设备进行交互。其中,所述接口单元包括I/O端口、输入结构、网络端口、有线或无线通信模块(例如有线或无线网卡、2G/3G/4G/5G模块)等。其中,所述I/O端口可使得计算设备能够与各种其他电子设备进行交互,该输入结构可使得用户能够与计算设备进行交互。因此,输入结构可包括按钮、键盘、鼠标、触控板等。
应当理解,本申请于示例中描述的用于供能系统的数据处理装置只是一个应用实例,而非对装置的实现方式的限制。该设备的组件可以比图示具有更多或更少的组件,或具有不同的组件配置。所绘制图示的各种组件可以用硬件、软件或软硬件的组合来实现,包括一个或多个信号处理和/或专用集成电路。
本申请还提供一种计算机可读写存储介质,存储有计算机程序,所述数据处理方法的计算机程序被执行时实现上述示例关于图6实施例中所述的数据处理方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的功能模块(例如图2实施例)及方法步骤(例如图3实施例),能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所述计算机程序作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来;在实现上,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个示例所述方法的全部或部分步骤。
于本申请提供的示例中,所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。
另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。
然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
本申请上述的附图中的流程图和框图,图示了按照本申请各种示例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
上述示例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述示例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (20)
1.一种用于供能系统的数据处理系统,其特征在于,所述供能系统向用能对象供能;所述供能系统的数据处理系统包括:
分类模块,用于根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体;
处理模块,用于根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
2.根据权利要求1所述的用于供能系统的数据处理系统,其特征在于,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的;
在一时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果,其中,该计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
3.根据权利要求2所述的用于供能系统的数据处理系统,其特征在于,所述供能利益最大化条件指的是由即时供能价格表示的对应时隙的供能边际利益同该供能量作用下的所述供能成本的边际成本一致。
4.根据权利要求1或2所述的用于供能系统的数据处理系统,其特征在于,每个用能对象群体对应的群体供能价格在对应的影响量取值范围内取值。
5.根据权利要求1或2所述的用于供能系统的数据处理系统,其特征在于,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。
6.根据权利要求1所述的用于供能系统的数据处理系统,其特征在于,所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
7.根据权利要求1所述的用于供能系统的数据处理系统,其特征在于,对每个所述用能对象进行分类的方式包括聚类方式。
8.根据权利要求7所述的用于供能系统的数据处理系统,其特征在于,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
以所述每个用能对象构成的集合为初始集合,执行分类动作:
在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;
若是,则将当前集合中的每个用能对象归属为一用能对象群体;
若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合;
其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
9.根据权利要求7所述的用于供能系统的数据处理系统,其特征在于,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作:
以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;
将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
10.一种用于供能系统的数据处理方法,其特征在于,所述供能系统向用能对象供能;所述数据处理方法包括:
根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体;
根据由每个用能对象群体中每个用能对象对应的供能成本影响量构成的所述影响量取值范围,获得对应于每个用能对象群体的群体供能价格;其中,每个用能对象群体的所述影响量取值范围满足所述影响量距离条件。
11.根据权利要求10所述的用于供能系统的数据处理方法,其特征在于,每个用能对象的所述供能成本影响量是根据该用能对象从该供能系统所获得供能量的变化量而引起的供能成本的变化量所度量的;
在一时段中,所述用能对象的成本影响量是根据表示所述供能量和供能系统的供能成本间关系的成本函数在即时供能价格需满足供能利益最大化条件下得到的计算结果,其中,该计算结果为该时段中每个时隙的综合结果之和,所述综合结果为每个时隙对应的通过所述成本函数确定的即时供能价格、及每个时隙的供能系统对单个用能对象的供能量在该用能对象于该时段的总供能量中的占比系数的综合结果。
12.根据权利要求11所述的用于供能系统的数据处理方法,其特征在于,所述供能利益最大化条件指的是由即时供能价格表示的供能利益的边际利益同该供能量作用下的所述供能成本的边际成本一致。
13.根据权利要求10或11所述的用于供能系统的数据处理方法,其特征在于,每个用能对象群体对应的群体供能价格在对应的影响量取值范围内取值。
14.根据权利要求10或11所述的用于供能系统的数据处理方法,其特征在于,每个用能对象群体对应的群体供能价格为该用能对象群体中心点对应的供能成本影响量。
15.根据权利要求10所述的用于供能系统的数据处理方法,其特征在于,所述影响量距离条件包括:属于同一用能对象群体的每个用能对象的供能成本影响量间最大差异量在预设距离值范围内。
16.根据权利要求10所述的用于供能系统的数据处理方法,其特征在于,对每个所述用能对象进行分类的方式包括聚类方式。
17.根据权利要求16所述的用于供能系统的数据处理方法,其特征在于,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
以所述每个用能对象的供能成本影响量构成的集合为初始集合,执行分类动作:
在多个用能对象构成的当前集合中,判断当前集合对应的影响量取值范围是否满足预设距离条件;其中,所述当前集合初始时为所述初始集合;
若是,则将当前集合中的每个用户对象归属为一用能对象群体;
若否,则执行集合分解动作,以形成多个子集合,并将每个所述子集合作为下一次分类动作中的当前集合;
其中,所述集合分解动作包括:根据当前集合中每个用能对象的供能成本影响量更靠近该当前集合对应的每个供能成本影响量中至少极大值或极小值的判断,并根据所述判断结果将每个用能对象分别归类到至少所述极大值或极小值所分别对应的用能对象所在的子集合。
18.根据权利要求16所述的用于供能系统的数据处理方法,其特征在于,所述根据每个用能对象分别对于该供能系统的供能成本影响量,按与供能成本影响量相关的影响量距离条件对每个所述用能对象进行分类,以得到一或多个用能对象群体,包括:
对所述每个用户对象的供能成本影响量依大小排序所形成的序列,执行分类动作:
以该序列中一极值所在位置为当前端点,根据在所述预设影响量距离条件的限制下的影响量取值范围得到对应的相对端点,将该当前端点至其对应的相对端点间的每个供能成本影响量对应的每个用户对象归属为一用能对象群体;
将该相对端点的下一端点作为下一次的所述当前端点以执行所述分类动作,直至该序列的另一极值所对应的用户对象获得归属的用能对象群体。
19.一种用于供能系统的数据处理装置,其特征在于,所述数据处理装置耦接一或多个供能系统;所述数据处理装置包括:
一或多个存储器,用于存储至少一程序;
一或多个处理器,用于调用所述至少一程序,以执行如权利要求10~18中任一项所述的用于供能系统的数据处理方法。
20.一种计算机可读存储介质,其特征在于,存储有至少一程序,所述至少一程序在被调用时执行并实现如权利要求10~18中任一所述的用于供能系统的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911251924.8A CN111127082B (zh) | 2019-12-09 | 2019-12-09 | 用于供能系统的数据处理系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911251924.8A CN111127082B (zh) | 2019-12-09 | 2019-12-09 | 用于供能系统的数据处理系统、方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127082A true CN111127082A (zh) | 2020-05-08 |
CN111127082B CN111127082B (zh) | 2023-10-10 |
Family
ID=70497949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911251924.8A Active CN111127082B (zh) | 2019-12-09 | 2019-12-09 | 用于供能系统的数据处理系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127082B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399152A (zh) * | 2021-12-06 | 2022-04-26 | 石河子大学 | 产业园区综合能源调度优化方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679555A (zh) * | 2013-12-16 | 2014-03-26 | 成都安健发科技有限公司 | 基于负荷特性分类的分时电价确定方法 |
CN107392678A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种电价制定方法及系统 |
CN108681973A (zh) * | 2018-05-14 | 2018-10-19 | 广州供电局有限公司 | 电力用户的分类方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-09 CN CN201911251924.8A patent/CN111127082B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679555A (zh) * | 2013-12-16 | 2014-03-26 | 成都安健发科技有限公司 | 基于负荷特性分类的分时电价确定方法 |
CN107392678A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种电价制定方法及系统 |
CN108681973A (zh) * | 2018-05-14 | 2018-10-19 | 广州供电局有限公司 | 电力用户的分类方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399152A (zh) * | 2021-12-06 | 2022-04-26 | 石河子大学 | 产业园区综合能源调度优化方法及装置 |
CN114399152B (zh) * | 2021-12-06 | 2023-04-25 | 石河子大学 | 产业园区综合能源调度优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111127082B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
van Leeuwen et al. | An integrated blockchain-based energy management platform with bilateral trading for microgrid communities | |
Chekired et al. | Decentralized cloud-SDN architecture in smart grid: A dynamic pricing model | |
Chiu et al. | Optimized day-ahead pricing with renewable energy demand-side management for smart grids | |
Jia et al. | Dynamic pricing and distributed energy management for demand response | |
Norbu et al. | Modelling the redistribution of benefits from joint investments in community energy projects | |
Jain et al. | A multiarmed bandit incentive mechanism for crowdsourcing demand response in smart grids | |
Tham et al. | Sensing-driven energy purchasing in smart grid cyber-physical system | |
Huang et al. | A clustering based grouping method of nearly zero energy buildings for performance improvements | |
CN110429653B (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
Nezamabadi et al. | Market bidding strategy of the microgrids considering demand response and energy storage potential flexibilities | |
CN109389437B (zh) | 电价的定价方法、定价装置及终端 | |
Ghorbani et al. | Multi-agent autonomous decision making in smart micro-grids’ energy management: a decentralized approach | |
Valsomatzis et al. | Measuring and comparing energy flexibilities | |
Li et al. | Development of time-of-use price by clustering techniques | |
Zhou et al. | Many-criteria optimality of coordinated demand response with heterogeneous households | |
CN111047163A (zh) | 储能策略数据处理系统、方法、装置及介质 | |
Kumari et al. | A data analytics scheme for security-aware demand response management in smart grid system | |
Safari et al. | DeepResTrade: a peer-to-peer LSTM-decision tree-based price prediction and blockchain-enhanced trading system for renewable energy decentralized markets | |
Qiu et al. | Multi‐objective generation dispatch considering the trade‐off between economy and security | |
CN111127082A (zh) | 用于供能系统的数据处理系统、方法及装置 | |
Wiesner et al. | Fedzero: Leveraging renewable excess energy in federated learning | |
CN111709580A (zh) | 一种微电网源荷匹配性评估方法、系统以及设备 | |
CN115940274A (zh) | 一种光储系统配置方法、装置以及介质 | |
CN112633771B (zh) | 电力资源数值计算方法、装置、计算机设备和存储介质 | |
Ahmadzadeh et al. | Optimal real time pricing based on income maximization for smart grid |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231120 Address after: 210046 6th floor, building C21, Zidong International Creative Park, 2 Zidong Road, Maqun street, Qixia District, Nanjing City, Jiangsu Province Patentee after: TULING ARTIFICIAL INTELLIGENCE INSTITUTE (NANJING) Co.,Ltd. Patentee after: TSINGHUA University Address before: 210046 601 room, No. 6, Qi Min Road, Xianlin street, Qixia District, Nanjing, Jiangsu, China. 6 Patentee before: TULING ARTIFICIAL INTELLIGENCE INSTITUTE (NANJING) Co.,Ltd. |
|
TR01 | Transfer of patent right |