CN111221872A - 一种电力系统用负荷管理中心大数据平台及负荷管理方法 - Google Patents
一种电力系统用负荷管理中心大数据平台及负荷管理方法 Download PDFInfo
- Publication number
- CN111221872A CN111221872A CN201911400830.2A CN201911400830A CN111221872A CN 111221872 A CN111221872 A CN 111221872A CN 201911400830 A CN201911400830 A CN 201911400830A CN 111221872 A CN111221872 A CN 111221872A
- Authority
- CN
- China
- Prior art keywords
- load
- user
- data
- display
- power
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000002354 daily effect Effects 0.000 claims description 95
- 238000004458 analytical method Methods 0.000 claims description 70
- 230000005611 electricity Effects 0.000 claims description 42
- 230000008014 freezing Effects 0.000 claims description 31
- 238000007710 freezing Methods 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 22
- 239000003086 colorant Substances 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 238000009877 rendering Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000013075 data extraction Methods 0.000 claims description 9
- 230000003203 everyday effect Effects 0.000 claims description 9
- 239000013642 negative control Substances 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000000750 progressive effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 206010048669 Terminal state Diseases 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 230000002441 reversible effect Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 23
- 229910000831 Steel Inorganic materials 0.000 description 18
- 239000010959 steel Substances 0.000 description 18
- 229910052742 iron Inorganic materials 0.000 description 12
- 230000007547 defect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种电力系统用负荷管理中心大数据平台及负荷管理方法，包括展示屏和展示屏控制终端，该展示屏控制终端控制输出显示内容投放至展示屏上展示，而该展示屏控制终端则通过信息内网与展示系统中间件服务器连接，该展示系统中间件服务器再与展示系统冻结数据服务器连接；展示系统冻结数据服务器与营销大用户账单出账数据服务器、用电负荷管理系统内网数据库服务器连接，而用电负荷管理系统内网数据库服务器与分布式文件存储数据库组连接，分布式文件存储数据库组设置有分布式文件存储备份数据库组，本发明分析大用户负荷特性、用电行为，为电力企业负荷预测、削峰填谷工作提供理论支持，使电力用户深入了解负荷预测的方法和各典型行业的负荷特性。
Description
技术领域
本发明涉及电力系统管理领域，尤其涉及一种应用于电力系统的负荷管理中心大数据平台及配套的负荷管理方法。
背景技术
目前，电力系统借助其本身传统的电力营销优势，通常会整合负荷管理中心建设配套的负控展示系统。该展示系统以业务为核心，以资深业务专家为资源优势，应用大数据技术，通过对用电用户负荷信息的深度挖掘、分析、展示，形象化、立体化企业、区域、行业等用电特性，深度分析挖掘各方用电行为，实现集业务监控、业务整合、用户引导、政府搭台等多界一体的展现，提升客户服务中心窗口效应，也为以用电用户为导向的用电营销经营模式提供数据分析保障。
然而，随着业务的深入发展，原有的分析展示内容已不能满足现阶段的监控、分析需求，其具体缺陷如下：
(1)地图展示方式的缺陷：
在原有负荷管理中心大数据平台中，用户地图是通过GPS地图信息来进行展示。系统不能从地图展示窗口看出用户的分布密度，不利于电力公司进行大用户负荷的预测和分析。
(2)未来负荷预测的缺陷
原有的负荷管理中心大数据平台展示界面展示了用户的日电量、日负荷、日电量比较、日负荷比较、日峰谷负荷数据。没有实现对未来负荷预测的展示，不能为调度分析提供有效的决策支持。
(3)用户深入分析的缺陷：
原有的负荷管理中心大数据平台展示了用户的基本用电信息，却没有对用户进行深入的分析，例如用户的画像评价(评分、系统排名，较上月分值的上升下降情况、指标排名等)、用户的基础档案完善、用户的数据分析等。
(4)典型行业用电分析的缺陷：
在原负荷管理中心大数据平台中尚无对典型行业的分析。相对于普通用户负荷，大用户负荷的电压等级较高，用电负荷很大，负荷波动有很大的随机性。某些典型行业的负荷具有较明显的特征，有必要挖掘这些典型行业的用电行为，分析他们的负荷特性，形成客户画像的展示内容，帮助电力企业进行负荷预测和分析。
(5)内容基础信息单调的缺陷：
原负荷管理中心大数据平台展示内容稍显单调，只展示了一些基础信息，而没有进行深度的挖掘、提炼和展示。
综上所述，现有技术下的负控展示系统存在不少缺陷，故需要在原有展示平台基础上进一步丰富展示、分析内容，开发新类型的负荷管理中心大数据平台及相应的负荷管理方法。
发明内容
为了解决上述问题，本发明根据项目的研究背景和负荷管理中心大数据平台的现状问题，提供了一种电力系统用负荷管理中心大数据平台及负荷管理方法，本发明对地图展示优化的方式、基于大数据的电力用户负荷预测模型及方法、电力大用户客户立体画像构建、典型行业画像分析展示以及基础数据支撑进行了分析和研究，通过进一步优化现有地图展示方式、构建负荷预测模型、深层次刻画用户画像、深度挖掘行业用电行为、基础数据支撑的研究，进一步对10KV及以上大用户的负荷、用电等信息进行提炼，挖掘更多有效信息，进一步丰富负控系统的展示内容。
本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法，其具体组成如下所述：
一种电力系统用负荷管理中心大数据平台，包括展示屏和展示屏控制终端，其特征在于：
所述的展示屏控制终端控制输出显示内容投放至展示屏上展示，而该展示屏控制终端则通过信息内网与展示系统中间件服务器连接，该展示系统中间件服务器再与展示系统冻结数据服务器连接；
所述的展示系统冻结数据服务器与营销大用户账单出账数据服务器连接；
所述的展示系统冻结数据服务器与用电负荷管理系统内网数据库服务器连接；
所述的用电负荷管理系统内网数据库服务器与分布式文件存储数据库组连接；
所述的分布式文件存储数据库组设置有分布式文件存储备份数据库组。
由于平台数据都是运算好的冻结数据，且没有并发请求，因此本系统响应时间完全满足10秒内响应的时间要求。
根据本发明的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统中间件服务器与展示系统冻结数据服务器之间、展示系统冻结数据服务器与用电负荷管理系统内网数据库服务器之间以及用电负荷管理系统内网数据库服务器与分布式文件存储数据库组之间均分别设置有网络防火墙。
根据本发明的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的分布式文件存储数据库组作为基础运算数据的存储，通过防火墙与用电负荷管理系统内网数据库服务器每天进行数据同步。
根据本发明的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统冻结数据服务器作为运算好的冻结数据与用户台账数据的存储，每天与用电负荷管理系统内网数据库服务器通过防火墙进行台账数据同步，且展示系统冻结数据服务器在每月的28号与营销大用户账单出账数据服务器进行每月出账数据导入将出账数据同步，并运算脚本每日运行各维度的冻结数据。
根据本发明的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统中间件服务器使用tomcat7.9版本作为中间件，该服务器对通过数据进行检测，并通过其8080端口从信息内网(3)发送至展示屏控制终端。
tomcat为JAVA领域最著名的开源Web容器，简单，易用，且稳定性极好。
一种电力系统用负荷管理方法，基于上述的一种电力系统用负荷管理中心大数据平台，通过该负荷管理中心大数据平台的基础数据支撑，实现地图展示优化、用户负荷预测、用户立体画像评价展示和典型行业画像分析，其具体如下所述：
6.1)基础数据支撑-包括用户负荷预测基础数据、用户日负荷基础数据和用户画像基础数据的用电信息进行提炼，为电力系统用负荷管理方法提供依据，具体如下：
6.1a)用户负荷预测基础数据:
用户负荷预测基础数据是以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容如下：
6.1a1)电压、电流信息：96点A相电压、96点B相电压、96点C相电压；96点A相电流、96点B相电流、96点C相电流；
6.1a2)负荷信息：96点负荷、96点电量；
6.1a3)计量装置信息：正向有功冻结日总电能示值、正向有功冻结日峰电能示值、正向有功冻结日谷电能示值、正向有功冻结日平电能示值、正向有功冻结日峰电最大需量、正向有功冻结日谷电最大需量、正向有功冻结日平电最大需量；
6.1b)用户日负荷基础数据：
用户日负荷基础数据是以电力调度生产管理系统为基础，通过数据抽取，获取所需日负荷基础数据，包括全网96点负荷、总电量、峰电量、平电量、谷电量，在此基础上，可通过计算得出的相关数据有：峰谷差、负荷率、峰负荷、谷负荷、平均负荷；
6.1c)用户画像基础数据：
以电力调度生产管理系统的出账数据为基础，通过数据抽取，获取本次用户画像负控展示所需数据，主要数据内容如下：
6.1c1)用户基本信息：户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
6.1c2)负控采集设备信息：终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
6.1c3)月度账单：展示最近一月的账单信息，用户可切换查看，其主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率。
6.2)地图展示优化-通过研究热力图的概念、绘制方式和相关技术问题，结合平台原有的地图展示方式，提出平台地图展示的优化方式，即以热力地图为基础，通过层层递进的渲染方式，实现10KV及以上大用户的地图定位展示，具体如下：
6.2a)以颜色变化渲染大用户分布：
利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
6.2b)典型用户地图定位：
随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示。随着地图的不断放大，可实现对单一典型用户的地图定位；
6.3)用户负荷预测-通过研究大用户负荷预测的传统方法，在传统负荷预测方法的研究基础上，得出基于大数据的电力用户负荷模型及方法，具体如下：
6.3a)考虑到地区温度差异，建立地区历史负荷数据和地市气象数据的映射关系，在地区划分的基础上，为考虑行业负荷特性，将地区负荷划分为各个地区的行业负荷；
6.3b)根据各个地区的历史气象数据、行业负荷特性、行业经济状况、节假日信息等，建立所有地区的行业负荷气象模型；
6.3c)根据上述的行业负荷气象模型计算全市各个地区的行业负荷影响率，结合分地区行业负荷占比模型和预测日气象预报信息，计算网供负荷的综合影响率；
6.3d)根据相似日网供负荷数据和网供负荷综合影响率得到预测日网供负荷预测结果；
6.4)用户画像评价展示-根据客户画像的概念，通过现有的客户数据的收集、客户信息模型的构建、确立评价因子，最终构建出电力用户立体画像，该电力用户立体画像包括用户评价展示、用户档案展示和用户数据分析展示，从这三个角度多层次刻画用户的用电画像，实现对用户的精准有效分类，并同步实现电力用户立体画像评价并展示，具体如下：
6.4a)用户评价展示：
对典型用户的用户画像评价结果进行展示，主要展示内容包括：
6.4a1)典型用户总评分，系统排名、行业排名；
6.4a2)单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名；
6.4b)用户档案展示：
对用户基础档案数据、用户地图定位和用户照片进行展示，主要展示内容包括：
6.4b1)用户基础档案数据，包括用户基本信息、负控采集设备信息和账单，具体如下：
用户基本信息包括户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
负控采集设备信息包括终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
账单为最近一年的账单信息，用户可切换查看。主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率；
6.4b2)用户地图定位：
查询该用户在地图上的实际定位情况；
6.4b3)用户照片：
展示大门、天线、终端和变电站处共4张照片；
6.4c)用户数据分析展示：
对典型用户的负荷、电量数据进行分析展示，主要展示内容包括负荷走势分析、负荷同比环比分析、日电量同比环比分析、日电量展示，具体如下：
6.4c1)负荷走势分析：
对典型用户的年度总用电负荷和月度总用电负荷进行走势分析，其中，年度负荷分析以月为单位，展示12个月的峰、谷、平负荷走势，而月度负荷分析以日为单位，展示当月每天的峰、谷、平、负荷走势；
6.4c2)负荷同比环比分析：
优化负荷同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c3)日电量同比环比分析：
优化典型用户日电量同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c4)日电量展示：
增加峰电量、谷电量、平电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，一个完整的堆叠柱代表该电表的总电量；
6.5)典型行业画像分析-根据大用户负荷变化的特点，研究大用户负荷特性，进行典型行业用电负荷数据分析，主要分析展示内容：日负荷走势分析、日负荷同比环比分析、日负荷率及日峰谷差分析、典型行业热力地图、行业用户评分统计、用户负荷排行榜、和用户评分排行榜，具体如下：
6.5a)日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
6.5b)日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度
6.5c)日负荷率及日峰谷差分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
6.5d)典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，在地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示，地图放大到一定程度可对单一用户进行定位显示，这种层层递进的地图展示手段，可从总体上掌握用户的分布情况；
6.5e)行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
6.5f)用户负荷排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
6.5g)用户评分排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
使用本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法获得了如下有益效果：
1.本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法能重点关注大用户，挖掘、分析大用户负荷特性、用电行为，能为电力系统带来较大的隐形经济效益；
2.本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法可为电力企业负荷预测、削峰填谷工作提供理论支持，能够使电力用户深入了解负荷预测的方法和各典型行业的负荷特性，对用户来说有一定的参考意义。同时，不断发挥电力负荷的预测效应，使电力价格维持稳定，对维护社会稳定具有重要的意义。
附图说明
图1为本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法的设备结构示意图；
图2-本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法的实施例-某钢铁厂周负荷曲线图；
图3-本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法的实施例-某钢铁厂年日用电量曲线图；
图中：1-展示屏，2-展示屏控制终端，3-信息内网，4-展示系统中间件服务器，5-展示系统冻结数据服务器，6-营销大用户账单出账数据服务器，7-用电负荷管理系统内网数据库服务器，8-分布式文件存储数据库组，8a-分布式文件存储备份数据库组。
具体实施方式
下面结合附图和实施例对本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法做进一步的描述。
实施例
如图1所示，一种电力系统用负荷管理中心大数据平台，包括展示屏1和展示屏控制终端2，该展示屏控制终端控制输出显示内容投放至展示屏上展示，而该展示屏控制终端则通过信息内网3与展示系统中间件服务器4连接，该展示系统中间件服务器再与展示系统冻结数据服务器5连接；
展示系统冻结数据服务器5与营销大用户账单出账数据服务器6连接；
展示系统冻结数据服务器5与用电负荷管理系统内网数据库服务器7连接；
用电负荷管理系统内网数据库服务器7与分布式文件存储数据库组8连接；
分布式文件存储数据库组8设置有分布式文件存储备份数据库组8a。
展示系统中间件服务器4与展示系统冻结数据服务器5之间、展示系统冻结数据服务器与用电负荷管理系统内网数据库服务器7之间以及用电负荷管理系统内网数据库服务器与分布式文件存储数据库组8之间均分别设置有网络防火墙9。
分布式文件存储数据库组8作为基础运算数据的存储，通过防火墙9与用电负荷管理系统内网数据库服务器7每天进行数据同步。
展示系统冻结数据服务器5作为运算好的冻结数据与用户台账数据的存储，每天与用电负荷管理系统内网数据库服务器7通过防火墙9进行台账数据同步，且展示系统冻结数据服务器在每月的28号与营销大用户账单出账数据服务器6进行每月出账数据导入将出账数据同步，并运算脚本每日运行各维度的冻结数据。
展示系统中间件服务器4使用tomcat7.9版本作为中间件，该服务器对通过数据进行检测，并通过其8080端口从信息内网3发送至展示屏控制终端。
一种电力系统用负荷管理方法，基于上述的一种电力系统用负荷管理中心大数据平台，通过该负荷管理中心大数据平台的基础数据支撑，实现地图展示优化、用户负荷预测、用户立体画像评价展示和典型行业画像分析，其具体如下所述：
6.1)基础数据支撑-包括用户负荷预测基础数据、用户日负荷基础数据和用户画像基础数据的用电信息进行提炼，为电力系统用负荷管理方法提供依据，具体如下：
6.1a)用户负荷预测基础数据:
用户负荷预测基础数据是以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容如下：
6.1a1)电压、电流信息：96点A相电压、96点B相电压、96点C相电压；96点A相电流、96点B相电流、96点C相电流；
6.1a2)负荷信息：96点负荷、96点电量；
6.1a3)计量装置信息：正向有功冻结日总电能示值、正向有功冻结日峰电能示值、正向有功冻结日谷电能示值、正向有功冻结日平电能示值、正向有功冻结日峰电最大需量、正向有功冻结日谷电最大需量、正向有功冻结日平电最大需量；
6.1b)用户日负荷基础数据：
用户日负荷基础数据是以电力调度生产管理系统为基础，通过数据抽取，获取所需日负荷基础数据，包括全网96点负荷、总电量、峰电量、平电量、谷电量，在此基础上，可通过计算得出的相关数据有：峰谷差、负荷率、峰负荷、谷负荷、平均负荷；
6.1c)用户画像基础数据：
以电力调度生产管理系统的出账数据为基础，通过数据抽取，获取本次用户画像负控展示所需数据，主要数据内容如下：
6.1c1)用户基本信息：户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
6.1c2)负控采集设备信息：终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
6.1c3)月度账单：展示最近一月的账单信息，用户可切换查看，其主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率。
6.2)地图展示优化-通过研究热力图的概念、绘制方式和相关技术问题，结合平台原有的地图展示方式，提出平台地图展示的优化方式，即以热力地图为基础，通过层层递进的渲染方式，实现10KV及以上大用户的地图定位展示，具体如下：
6.2a)以颜色变化渲染大用户分布：
利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
6.2b)典型用户地图定位：
随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示。随着地图的不断放大，可实现对单一典型用户的地图定位；
6.3)用户负荷预测-通过研究大用户负荷预测的传统方法，在传统负荷预测方法的研究基础上，得出基于大数据的电力用户负荷模型及方法，具体如下：
6.3a)考虑到地区温度差异，建立地区历史负荷数据和地市气象数据的映射关系，在地区划分的基础上，为考虑行业负荷特性，将地区负荷划分为各个地区的行业负荷；
6.3b)根据各个地区的历史气象数据、行业负荷特性、行业经济状况、节假日信息等，建立所有地区的行业负荷气象模型；
6.3c)根据上述的行业负荷气象模型计算全市各个地区的行业负荷影响率，结合分地区行业负荷占比模型和预测日气象预报信息，计算网供负荷的综合影响率；
6.3d)根据相似日网供负荷数据和网供负荷综合影响率得到预测日网供负荷预测结果；
本实施例中，以用户未来7天负荷为例进行预测，预测方法如下：
预测负荷计算方法采用日负荷平均法，日负荷平均法包括3个步骤：数据选择、数据处理、结果修正，具体如下：
1)数据选择：当预测负荷日为工作日时，应从预测当日向前选择10天的历史负荷作为计算预测负荷的典型日，历史负荷不包括非工作日；当预测负荷日为非工作日时，应从预测当日向前选择对应时段4天的历史负荷作为计算预测负荷的典型日，历史负荷不包括工作日；
2)数据处理：根据选择的典型日96点负荷的平均值数据，作为预测日96点负荷值，即为未修正的预测日负荷；
3)结果修正：预测日负荷调整因子计算方法为：以18℃为中间值，典型日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，预测日气温因子＝MAX(|最高气温-中间值|,|最低气温-中间值|)，调整因子＝1+(预测日气温因子-典型日气温因子)/100，调整因子取值限定为0.8-1.2，阈值可变化调整，最终结果以预测负荷应根据计算出的未修正的预测负荷乘以调整因子得出。
6.4)用户画像评价展示-根据客户画像的概念，通过现有的客户数据的收集、客户信息模型的构建、确立评价因子，最终构建出电力用户立体画像，该电力用户立体画像包括用户评价展示、用户档案展示和用户数据分析展示，从这三个角度多层次刻画用户的用电画像，实现对用户的精准有效分类，并同步实现电力用户立体画像评价并展示，具体如下：
6.4a)用户评价展示：
对典型用户的用户画像评价结果进行展示，主要展示内容包括：
6.4a1)典型用户总评分，系统排名、行业排名；
6.4a2)单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名；
6.4b)用户档案展示：
对用户基础档案数据、用户地图定位和用户照片进行展示，主要展示内容包括：
6.4b1)用户基础档案数据，包括用户基本信息、负控采集设备信息和账单，具体如下：
用户基本信息包括户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
负控采集设备信息包括终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
账单为最近一年的账单信息，用户可切换查看。主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率；
6.4b2)用户地图定位：
查询该用户在地图上的实际定位情况；
6.4b3)用户照片：
展示大门、天线、终端和变电站处共4张照片；
6.4c)用户数据分析展示：
对典型用户的负荷、电量数据进行分析展示，主要展示内容包括负荷走势分析、负荷同比环比分析、日电量同比环比分析、日电量展示，具体如下：
6.4c1)负荷走势分析：
对典型用户的年度总用电负荷和月度总用电负荷进行走势分析，其中，年度负荷分析以月为单位，展示12个月的峰、谷、平负荷走势，而月度负荷分析以日为单位，展示当月每天的峰、谷、平、负荷走势；
6.4c2)负荷同比环比分析：
优化负荷同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c3)日电量同比环比分析：
优化典型用户日电量同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c4)日电量展示：
增加峰电量、谷电量、平电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，一个完整的堆叠柱代表该电表的总电量；
6.5)典型行业画像分析-根据大用户负荷变化的特点，研究大用户负荷特性，进行典型行业用电负荷数据分析，主要分析展示内容：日负荷走势分析、日负荷同比环比分析、日负荷率及日峰谷差分析、典型行业热力地图、行业用户评分统计、用户负荷排行榜、和用户评分排行榜，具体如下：
6.5a)日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
6.5b)日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度
6.5c)日负荷率及日峰谷差分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
6.5d)典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，在地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示，地图放大到一定程度可对单一用户进行定位显示，这种层层递进的地图展示手段，可从总体上掌握用户的分布情况；
6.5e)行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
6.5f)用户负荷排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
6.5g)用户评分排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
以典型行业-钢铁企业负荷特性分析为例，钢铁企业负荷是工业负荷中耗电量最大的，负荷带有很大的随机波动性，在大用户负荷中具有很强的典型性，是研究大用户负荷的重点，而钢铁企业的负荷对供电可靠性和电能质量的要求都很高，生产设备基本为一级或二级负荷，其用电特点直接和设备的运行状态密切相关。钢铁企业的日负荷没有明显的周期波动，企业的生产流程决定了负荷的特征，轧钢等断续型生产设备作业时会产生冲击性负荷及高次谐波，对供电系统有很大的影响。在对钢铁企业进行负荷预测的时候，只需考虑负荷之间的关系，可不考虑气候影响。
表1钢铁厂典型周负荷特性指标
表1为钢铁厂典型周负荷特性指标，结合图2的某钢铁厂周负荷曲线图和图3的某钢铁厂年日用电量曲线图，由图2中可见钢铁厂的日负荷曲线相对平稳，呈现锯齿型，因为钢铁厂负荷具有随机波动性，但是负荷没有明显的峰谷区别。而由图3可以看到钢铁厂的年用电量曲线比较平稳，在典型日、节假日和夏季高峰用电量没有明显的变化，说明钢铁厂常年连续不断生产，不受天气和节假日的影响，同时不受夏季高温的影响，但是在用电量曲线图中有某几天突然下降很多，说明了大机组正在检修，负荷下降明显。
由上对钢铁企业的负荷特点进行总结，主要有如下几点：
(1)钢铁企业的负荷是典型的工业用电，有许多大容量设备，设备的运行状态决定了总用电量的大小，负荷主要由生产过程来决定，日负荷没有明显的周期性。
(2)只需考虑负荷之间的关系，无需考虑气候(温度、云层覆盖度、风向、湿度等)影响，一般情况下也无需考虑电网情况。
(3)受生产计划、检修计划的影响大，具有实时波动性和人工干预性，负荷急剧上升或下降的随机性很大。
(4)在生产过程中因为某些设备的用电特性存在巨大的冲击负荷，而且冲击负荷的随机性很强，但是从整个企业来看，负荷的波动随着企业的生产存在一定的周期性，具有一定的规律。
本发明的一种电力系统用负荷管理中心大数据平台及负荷管理方法能重点关注大用户，挖掘、分析大用户负荷特性、用电行为，能为电力系统带来较大的隐形经济效益；且本发明可为电力企业负荷预测、削峰填谷工作提供理论支持，能够使电力用户深入了解负荷预测的方法和各典型行业的负荷特性，对用户来说有一定的参考意义。同时，不断发挥电力负荷的预测效应，使电力价格维持稳定，对维护社会稳定具有重要的意义。
Claims (6)
1.一种电力系统用负荷管理中心大数据平台，包括展示屏(1)和展示屏控制终端(2)，其特征在于：
所述的展示屏控制终端(2)控制输出显示内容投放至展示屏(1)上展示，而该展示屏控制终端则通过信息内网(3)与展示系统中间件服务器(4)连接，该展示系统中间件服务器再与展示系统冻结数据服务器(5)连接；
所述的展示系统冻结数据服务器(5)与营销大用户账单出账数据服务器(6)连接；
所述的展示系统冻结数据服务器(5)与用电负荷管理系统内网数据库服务器(7)连接；
所述的用电负荷管理系统内网数据库服务器(7)与分布式文件存储数据库组(8)连接；
所述的分布式文件存储数据库组(8)设置有分布式文件存储备份数据库组(8a)。
2.如权利要求1所述的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统中间件服务器(4)与展示系统冻结数据服务器(5)之间、展示系统冻结数据服务器与用电负荷管理系统内网数据库服务器(7)之间以及用电负荷管理系统内网数据库服务器与分布式文件存储数据库组(8)之间均分别设置有网络防火墙(9)。
3.如权利要求1所述的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的分布式文件存储数据库组(8)作为基础运算数据的存储，通过防火墙(9)与用电负荷管理系统内网数据库服务器(7)每天进行数据同步。
4.如权利要求1所述的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统冻结数据服务器(5)作为运算好的冻结数据与用户台账数据的存储，每天与用电负荷管理系统内网数据库服务器(7)通过防火墙(9)进行台账数据同步，且展示系统冻结数据服务器在每月的28号与营销大用户账单出账数据服务器(6)进行每月出账数据导入将出账数据同步，并运算脚本每日运行各维度的冻结数据。
5.如权利要求1所述的一种电力系统用负荷管理中心大数据平台，其特征在于，所述的展示系统中间件服务器(4)使用tomcat7.9版本作为中间件，该服务器对通过数据进行检测，并通过其8080端口从信息内网(3)发送至展示屏控制终端。
6.一种电力系统用负荷管理方法，基于上述任一权利要求的一种电力系统用负荷管理中心大数据平台，通过该负荷管理中心大数据平台的基础数据支撑，实现地图展示优化、用户负荷预测、用户立体画像评价展示和典型行业画像分析，其具体如下所述：
6.1)基础数据支撑-包括用户负荷预测基础数据、用户日负荷基础数据和用户画像基础数据的用电信息进行提炼，为电力系统用负荷管理方法提供依据，具体如下：
6.1a)用户负荷预测基础数据:
用户负荷预测基础数据是以用电负荷管理系统为基础，通过数据抽取，获取用户负荷预测所需基础数据，主要数据内容如下：
6.1a1)电压、电流信息：96点A相电压、96点B相电压、96点C相电压；96点A相电流、96点B相电流、96点C相电流；
6.1a2)负荷信息：96点负荷、96点电量；
6.1a3)计量装置信息：正向有功冻结日总电能示值、正向有功冻结日峰电能示值、正向有功冻结日谷电能示值、正向有功冻结日平电能示值、正向有功冻结日峰电最大需量、正向有功冻结日谷电最大需量、正向有功冻结日平电最大需量；
6.1b)用户日负荷基础数据：
用户日负荷基础数据是以电力调度生产管理系统为基础，通过数据抽取，获取所需日负荷基础数据，包括全网96点负荷、总电量、峰电量、平电量、谷电量，在此基础上，可通过计算得出的相关数据有：峰谷差、负荷率、峰负荷、谷负荷、平均负荷；
6.1c)用户画像基础数据：
以电力调度生产管理系统的出账数据为基础，通过数据抽取，获取本次用户画像负控展示所需数据，主要数据内容如下：
6.1c1)用户基本信息：户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
6.1c2)负控采集设备信息：终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
6.1c3)月度账单：展示最近一月的账单信息，用户可切换查看，其主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率。
6.2)地图展示优化-通过研究热力图的概念、绘制方式和相关技术问题，结合平台原有的地图展示方式，提出平台地图展示的优化方式，即以热力地图为基础，通过层层递进的渲染方式，实现10KV及以上大用户的地图定位展示，具体如下：
6.2a)以颜色变化渲染大用户分布：
利用颜色进行大用户分布密度渲染，数量多的地方颜色加深显示，数量少的地方用淡色显示，没有数据的用白色显示，根据人的视觉发展逻辑，采用层层递进的颜色渲染手段，使大用户集中的地区一目了然；
6.2b)典型用户地图定位：
随着用户移动或者缩放地图，对应区域的用户密度分布也会动态显示。随着地图的不断放大，可实现对单一典型用户的地图定位；
6.3)用户负荷预测-通过研究大用户负荷预测的传统方法，在传统负荷预测方法的研究基础上，得出基于大数据的电力用户负荷模型及方法，具体如下：
6.3a)考虑到地区温度差异，建立地区历史负荷数据和地市气象数据的映射关系，在地区划分的基础上，为考虑行业负荷特性，将地区负荷划分为各个地区的行业负荷；
6.3b)根据各个地区的历史气象数据、行业负荷特性、行业经济状况、节假日信息等，建立所有地区的行业负荷气象模型；
6.3c)根据上述的行业负荷气象模型计算全市各个地区的行业负荷影响率，结合分地区行业负荷占比模型和预测日气象预报信息，计算网供负荷的综合影响率；
6.3d)根据相似日网供负荷数据和网供负荷综合影响率得到预测日网供负荷预测结果；
6.4)用户画像评价展示-根据客户画像的概念，通过现有的客户数据的收集、客户信息模型的构建、确立评价因子，最终构建出电力用户立体画像，该电力用户立体画像包括用户评价展示、用户档案展示和用户数据分析展示，从这三个角度多层次刻画用户的用电画像，实现对用户的精准有效分类，并同步实现电力用户立体画像评价并展示，具体如下：
6.4a)用户评价展示：
对典型用户的用户画像评价结果进行展示，主要展示内容包括：
6.4a1)典型用户总评分，系统排名、行业排名；
6.4a2)单项像素评价结果展示：包括指标值、评分值、上月评分值、较上月分值上升下降情况、指标排名；
6.4b)用户档案展示：
对用户基础档案数据、用户地图定位和用户照片进行展示，主要展示内容包括：
6.4b1)用户基础档案数据，包括用户基本信息、负控采集设备信息和账单，具体如下：
用户基本信息包括户号、户名、用电地址、供电单位、电压等级、合同容量、用户营销状态、上级主管单位、电网分区、重要等级、是否分布式能源、建户日期；
负控采集设备信息包括终端地址码、终端生产厂家、终端型号、终端版本号、终端状态、信道；
账单为最近一年的账单信息，用户可切换查看。主要内容包括:表号、电压等级、当月电费、总电量、平电量、峰电量、谷电量、峰MD、谷MD、平1MD、平2MD、正向无功、反向无功、功率因数、奖惩情况、契约限额、综合倍率；
6.4b2)用户地图定位：
查询该用户在地图上的实际定位情况；
6.4b3)用户照片：
展示大门、天线、终端和变电站处共4张照片；
6.4c)用户数据分析展示：
对典型用户的负荷、电量数据进行分析展示，主要展示内容包括负荷走势分析、负荷同比环比分析、日电量同比环比分析、日电量展示，具体如下：
6.4c1)负荷走势分析：
对典型用户的年度总用电负荷和月度总用电负荷进行走势分析，其中，年度负荷分析以月为单位，展示12个月的峰、谷、平负荷走势，而月度负荷分析以日为单位，展示当月每天的峰、谷、平、负荷走势；
6.4c2)负荷同比环比分析：
优化负荷同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c3)日电量同比环比分析：
优化典型用户日电量同比环比分析展示方式，通过柱状图方式展现同比环比分析结果；
6.4c4)日电量展示：
增加峰电量、谷电量、平电量展示，采用柱状堆叠图对典型用户的日电量使用情况进行展示，一个完整的堆叠柱代表该电表的总电量；
6.5)典型行业画像分析-根据大用户负荷变化的特点，研究大用户负荷特性，进行典型行业用电负荷数据分析，主要分析展示内容：日负荷走势分析、日负荷同比环比分析、日负荷率及日峰谷差分析、典型行业热力地图、行业用户评分统计、用户负荷排行榜、和用户评分排行榜，具体如下：
6.5a)日负荷走势分析：
对典型行业当日的96点负荷走势进行分析，并以曲线形式进行展示；
6.5b)日负荷同比环比分析：
将典型行业当日的平均负荷与昨日、上月、去年同期的日平均负荷进行对比分析，确立该行业当日平均负荷与之相比上升/下降的百分比，从而掌握该典型行业当日负荷使用的合理度
6.5c)日负荷率及日峰谷差分析：
展示典型行业的日负荷率、峰负荷、谷负荷以及日峰谷差；
6.5d)典型行业热力地图：
通过热力地图对当前典型行业用户进行地图定位，在地图缩小时，以颜色为渲染手段，用户密集的地方颜色加深显示，用户稀少的地方颜色淡化显示，地图放大到一定程度可对单一用户进行定位显示，这种层层递进的地图展示手段，可从总体上掌握用户的分布情况；
6.5e)行业用户评分统计：
对当前行业中所有用户的评分情况进行统计，确立各类型用户占比；
6.5f)用户负荷排行榜：
对当前行业中所有用户按照评分进行排序，展示评分前15名用户，并将其排名与上月评分进行对比，展示排名上涨或下降情况；
6.5g)用户评分排行榜：
对当前行业中所有用户按照日平均负荷高低进行排序，展示日平均负荷前15名用户，并将其排名与昨日评分进行对比，展示其排名上涨或下降情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400830.2A CN111221872A (zh) | 2019-12-30 | 2019-12-30 | 一种电力系统用负荷管理中心大数据平台及负荷管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400830.2A CN111221872A (zh) | 2019-12-30 | 2019-12-30 | 一种电力系统用负荷管理中心大数据平台及负荷管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111221872A true CN111221872A (zh) | 2020-06-02 |
Family
ID=70829197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911400830.2A Pending CN111221872A (zh) | 2019-12-30 | 2019-12-30 | 一种电力系统用负荷管理中心大数据平台及负荷管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111221872A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784083A (zh) * | 2020-08-06 | 2020-10-16 | 国网湖南省电力有限公司 | 基于电力大数据的预测模型建立方法及电网负荷调度方法 |
| CN111966662A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测服务应用平台 |
| CN112488876A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种多层次大数据采集及电力分析系统 |
| CN112800564A (zh) * | 2020-12-25 | 2021-05-14 | 深圳供电局有限公司 | 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质 |
| CN116128552A (zh) * | 2023-04-14 | 2023-05-16 | 深圳江行联加智能科技有限公司 | 电力交易系统的用户管理方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204539177U (zh) * | 2015-01-07 | 2015-08-05 | 国家电网公司 | 运营监测分析展示一体化平台 |
| CN105205729A (zh) * | 2015-09-22 | 2015-12-30 | 许继集团有限公司 | 一种基于云计算的电力系统能效公共服务云平台 |
| US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
| CN109816145A (zh) * | 2018-12-21 | 2019-05-28 | 国网上海市电力公司 | 一种供电负荷管理用数据平台 |
-
2019
- 2019-12-30 CN CN201911400830.2A patent/CN111221872A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
| CN204539177U (zh) * | 2015-01-07 | 2015-08-05 | 国家电网公司 | 运营监测分析展示一体化平台 |
| CN105205729A (zh) * | 2015-09-22 | 2015-12-30 | 许继集团有限公司 | 一种基于云计算的电力系统能效公共服务云平台 |
| CN109816145A (zh) * | 2018-12-21 | 2019-05-28 | 国网上海市电力公司 | 一种供电负荷管理用数据平台 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784083A (zh) * | 2020-08-06 | 2020-10-16 | 国网湖南省电力有限公司 | 基于电力大数据的预测模型建立方法及电网负荷调度方法 |
| CN111966662A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测服务应用平台 |
| CN111966662B (zh) * | 2020-08-07 | 2022-04-19 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测服务应用平台 |
| CN112488876A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种多层次大数据采集及电力分析系统 |
| CN112800564A (zh) * | 2020-12-25 | 2021-05-14 | 深圳供电局有限公司 | 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质 |
| CN112800564B (zh) * | 2020-12-25 | 2023-06-02 | 深圳供电局有限公司 | 低压配网负荷热力图绘图方法、电力系统、计算机设备和存储介质 |
| CN116128552A (zh) * | 2023-04-14 | 2023-05-16 | 深圳江行联加智能科技有限公司 | 电力交易系统的用户管理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111221872A (zh) | 一种电力系统用负荷管理中心大数据平台及负荷管理方法 | |
| Blechinger et al. | Global analysis of the techno-economic potential of renewable energy hybrid systems on small islands | |
| Delarue et al. | The actual effect of wind power on overall electricity generation costs and CO2 emissions | |
| CN107133702B (zh) | 一种风电场全场功率预测方法 | |
| Verzijlbergh et al. | Does controlled electric vehicle charging substitute cross-border transmission capacity? | |
| CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
| US20160018835A1 (en) | System and method for virtual energy assessment of facilities | |
| CN110532337B (zh) | 面向智慧社区的公共设施服务能力提升方法 | |
| Milligan et al. | Cost-causation and integration cost analysis for variable generation | |
| CN109816145A (zh) | 一种供电负荷管理用数据平台 | |
| CN111210058B (zh) | 一种基于网格化的配电网自上而下负荷预测信息方法 | |
| CN103048967A (zh) | 一种建筑物资源消耗监控管理系统 | |
| CN107797006A (zh) | 变压器负荷预测方法及装置 | |
| CN110570090A (zh) | 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法 | |
| CN112738267A (zh) | 一种能源数据监测与综合分析装置 | |
| CN110633898A (zh) | 一种考虑交通出行碳排放的县域城镇生活圈划分方法 | |
| CN114255138A (zh) | 一种综合能源云平台功能构架系统 | |
| Zhang et al. | A review of publicly available data sources for models to study renewables integration in China's power system | |
| CN110866706A (zh) | 一种地区用电需求差异化综合分析和评估的方法 | |
| CN108205761B (zh) | 一种多层级售电市场数据分析监测系统 | |
| KR102513336B1 (ko) | 가상 발전 플랫폼 제어 시스템 및 방법 | |
| CN115952918B (zh) | 用于新型电力负荷管理的有序用电方案生成方法和系统 | |
| CN111160656A (zh) | 一种基于模块化的用电负荷预测方法 | |
| CN106056477A (zh) | 一种基于用电大数据的行业产能利用率的计算方法 | |
| CN116485445A (zh) | 基于数据自动采集处理的新能源电力现货交易辅助系统 |
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 |