CN111509727B - 一种基于用户行为的分布式电源用户负荷曲线建模方法 - Google Patents

一种基于用户行为的分布式电源用户负荷曲线建模方法 Download PDF

Info

Publication number
CN111509727B
CN111509727B CN201910090932.2A CN201910090932A CN111509727B CN 111509727 B CN111509727 B CN 111509727B CN 201910090932 A CN201910090932 A CN 201910090932A CN 111509727 B CN111509727 B CN 111509727B
Authority
CN
China
Prior art keywords
users
user
electric appliance
active
time
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
Application number
CN201910090932.2A
Other languages
English (en)
Other versions
CN111509727A (zh
Inventor
张全
韩新阳
张钰
白翠粉
张玥
靳晓凌
薛军
张钧
张岩
宋元峰
代贤忠
田鑫
魏磊
王阳
胡波
曹子健
井江波
李宝昕
张晨
柴玉凤
王旭斌
黄宗君
王喆
王炜
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.)
State Grid Energy Research Institute Co Ltd
Economic and Technological Research Institute of State Grid Shaanxi Electric Power Co Ltd
Original Assignee
State Grid Energy Research Institute Co Ltd
Economic and Technological Research Institute of State Grid Shaanxi Electric Power 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 State Grid Energy Research Institute Co Ltd, Economic and Technological Research Institute of State Grid Shaanxi Electric Power Co Ltd filed Critical State Grid Energy Research Institute Co Ltd
Priority to CN201910090932.2A priority Critical patent/CN111509727B/zh
Publication of CN111509727A publication Critical patent/CN111509727A/zh
Application granted granted Critical
Publication of CN111509727B publication Critical patent/CN111509727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于用户行为的分布式电源用户负荷曲线建模方法，先以一栋楼10户含分布式电源用户为例，由以15min为时间间隔的调查数据统计出用户100天内的活动情况，获得用户的活跃状态户数，再以柔性负荷如洗衣机为例，由相同时间间隔的数据统计得出洗衣机在100天内的开启时间，得出用户活跃状态数与电器开启户数的模糊逻辑关系；由100天电器每开启一次后的运行时长，计算平均使用时长。最后综合用户活跃状态、电器开启时间和电器平均使用时长得到含分布式电源用户的负荷曲线。该模型在分析分布式电源用户行为对负荷特性的影响上有一定的有效性，对电网规划及运营策略有一定的参考价值。

Description

一种基于用户行为的分布式电源用户负荷曲线建模方法
技术领域
本发明涉及电力用户行为分析技术领域，尤其涉及一种基于用户行为的分布式电源用户负荷曲线建模方法。
背景技术
分布式电源的发展对于电网主网是一种有力补充，把握分布式能源发展对电网负荷的影响尤为必要。用户负荷特性分析是电力系统研究、规划和运行维护中必不可少的重要支撑技术之一，是电力系统可靠、高效和经济运行的重要保障，可以为电网公司优化电网运行方式及制定相关运营发展策略提供策略支持。
目前，缺乏对电网用户行为及行业用电特性的研究，尤其缺乏对用户行为的影响机理分析。现阶段对用户负荷进行建模的方法主要为两种：自上而下的负荷建模和自下而上的负荷建模。前者以整体负荷系统为建模对象，基于系统负荷的测量数据，采用线性回归的方法进行建模；后者则以单一的家用电器为建模对象，基于电器的电气特性叠加建立用户负荷模型。不同的方法有不同的建模特点，但二者均未考虑分布式电源加入对用户行为带来的影响。本发明针对分布式电源加入后带来的负荷复杂性、随机性问题，采用蒙特卡洛马尔科夫链方法对分布式电源用户的用电行为进行建模分析，可一定程度上描述用户特征及分布式电源使用对用电行为的影响。
发明内容
本发明的目的是为了解决现有技术中的问题，而提出的一种基于用户行为的分布式电源用户负荷曲线建模方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于用户行为的分布式电源用户负荷曲线建模方法，所述曲线建模的具体步骤如下：
步骤1：确定居民户数活跃状态；
由于每户用户活动可以分为活跃状态或不活跃状态，将N户用户的活跃和不活跃状态对应于马尔科夫链的两种状态，并根据统计数据记录用户M天的活动安排情况，由此统计得出M天内各时刻内用户的活跃状态；
将一天以15min的时间间隔进行划分，从统计数据中计算出各单位时间间隔到下一个时间间隔的用户活跃状态概率转移矩阵，采用马尔科夫链蒙特卡洛法对用户用电活跃状态的转移进行动态模拟，从而得出1天内各时间间隔内一栋楼中N户用户的活跃状态；
步骤2：确定每段时间间隔用户活跃状态户数概率分布密度；
对于某一区域用户，共N户用户，统计出这N+1种状态在M天内每天各个时间区间内出现的频数并画出频数直方图，得到一天每段时间间隔用户活跃状态户数概率分布密度；
步骤3：确定电器开启时间；
电器使用状态之一包括电器开启时间，用户行为数据可用于决定电器开启时间；对于电器开启时间的获取，统计M天、每天以15min为时间间隔的数据，计算每天每15min间隔下，用户活跃状态数与电器开启户数的对应关系，建立各时刻开启电器用户数的模糊逻辑规则。
步骤4：确定电器平均使用时长；
用一种电器使用状态为电器平均使用时长，用户行为数据可决定电器平均使用时长；对于电器平均使用时长，统计M天电器每开启一次后的运行时长，计算使用时长的平均值，从而得到电器平均使用时长；
步骤5：预测负荷曲线。
负荷曲线由用户活跃状态、电器开启时间和电器平均使用时长决定；判断预测日各时段的活跃用户户数，由该开启电器用户的模糊用电规则，推理出各时段的电器开启户数，结合电器平均使用时长，得到用户用电负荷曲线。
优选的，在步骤1中，用户活跃状态转移概率矩阵由居民状态转移概率pij(n)构成，具体为：
Figure GDA0003353807480000031
其中，pij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的概率；
aij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的总数；
ai(n)表示在第n个单位时间步长内用户活跃状态户数发生状态转移的总数：
Figure GDA0003353807480000032
生成的(N+1)×(N+1)用户活跃状态转移概率矩阵如下：
Figure GDA0003353807480000041
优选的，在步骤3)中，各时间区间内开启电器用户数的模糊逻辑推理过程为：
If ni&son,then Ai＝max(Ni)。
其中：ni表示当前用户活跃户数，son表示电器已经开启,Ai表示该活跃户数下M天对应电器开启户数的最大值,Ni表示该活跃户数下M天对应电器开启户数；在同一时间区间内，用户活跃户数会有0-N户的可能性，则有N+1条规则。
优选的，在步骤4)中，电器平均使用时长计算公式为：
Figure GDA0003353807480000042
其中Td为1户用户1天内电器使用时间。
优选的，在步骤5)中，用电负荷计算公式如下：
Psum＝Ai×PPER (4)
其中PPER为洗衣机在一次平均时长内消耗的功率,Ai表示该活跃户数下M天对应电器开启户数的最大值。
与现有技术相比，本发明提供了一种基于用户行为的分布式电源用户负荷曲线建模方法，先以一栋楼10户含分布式电源用户为例，由以15min为时间间隔的调查数据统计出用户100天内的活动情况，获得用户的活跃状态户数，再以柔性负荷如洗衣机为例，由相同时间间隔的数据统计得出洗衣机在100天内的开启时间，得出用户活跃状态数与电器开启户数的模糊逻辑关系；由100天电器每开启一次后的运行时长，计算平均使用时长。最后综合用户活跃状态、电器开启时间和电器平均使用时长得到含分布式电源用户的负荷曲线。该模型在分析分布式电源用户行为对负荷特性的影响上有一定的有效性，对电网规划及运营策略有一定的参考价值。
该装置中未涉及部分均与现有技术相同或可采用现有技术加以实现，本发明结构简单，操作方便。
附图说明
图1为本发明提出的一种基于用户行为的分布式电源用户负荷曲线建模方法的流程示意图；
图2为本发明提出的一种基于用户行为的分布式电源用户负荷曲线建模方法的马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo)动态模拟流程图；
图3为本发明提出的一种基于用户行为的分布式电源用户负荷曲线建模方法的用户活跃状态户数图；
图4为本发明提出的一种基于用户行为的分布式电源用户负荷曲线建模方法的电器开启用户数图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1
如图1-4所示，一种基于用户行为的分布式电源用户负荷曲线建模方法，包括以下步骤：
步骤1：确定居民户数活跃状态；
由于每户用户活动可以分为活跃状态(每户家中有人而且不处于睡觉状态)或不活跃状态(每户家中无人或全部处于睡觉状态)，将N户用户(以一栋楼10户居民为例)的活跃/不活跃状态对应于马尔科夫链的两种状态，并根据统计数据记录用户M天(以100天为例)的活动安排情况，由此统计得出M天内各时刻内用户的活跃状态；
即以一栋楼N户用户为例，处于活跃状态户数的可能性一共有N+1种，即n∈[0,1,2,3,...,N]，将处于活跃状态的用户户数n对应于马尔科夫链的每个状态。
由用户M天内以15min为时间间隔的活动统计数据，计算出各单位时间间隔到下一个时间间隔内的用户活跃状态的状态概率转移矩阵，共计算96*M次。用户活跃状态转移概率矩阵由居民状态转移概率pij(n)构成，具体为：
Figure GDA0003353807480000061
符号解释：pij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的概率；aij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的总数；ai(n)表示在第n个单位时间步长内用户活跃状态户数发生状态转移的总数：
Figure GDA0003353807480000071
生成的(N+1)×(N+1)用户活跃状态转移概率矩阵如下：
Figure GDA0003353807480000072
由步骤1得到的拥有N+1个状态的马尔科夫链及相应的状态转移概率矩阵，采用马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo)对用户用电活跃状态的转移进行动态模拟，假设初始状态为n1，生成服从均匀分布[0,1]的一个随机数r，比较r与各累积概率值的大小，即看r落在[0,p0,0)、[p0,0,p0,0+p0,1)、[p0,0+p0,1,p0,0+p0,1+p02)…………[p0,0+p0,1+...+p0,N-1,p0,0+p0,1+...+p0,N]的哪个区间，则下一步状态就转移到它们分别对应的用户活跃户数状态。依次类推不断进行状态转移，可得到一条马尔科夫链的状态转移链，从而确定1天内各时间间隔内一栋楼中N户用户的活跃状态。
步骤2：确定每段时间间隔用户活跃状态户数概率分布密度；
将每天划分为每15min为一个时间区间，一天共96个时间区间。以每天8:00-8:15为例，对于一栋楼共N户(以一栋楼为例)，统计出n∈[0,1,2,3,...,N]，这N+1种状态在M天内每天8:00-8:15时间区间内出现的频数并画出频数直方图，得到该段时间间隔用户活跃状态户数概率分布密度；对于一天96个区间，共96种概率分布密度。
步骤3：确定电器开启时间；
电器使用状态之一包括电器开启时间(电器以柔性负荷洗衣机为例)，用户行为数据可用于决定电器开启时间。对于电器开启时间的获取，以每天8:00-8:15为例，统计M天、每天以15min为时间间隔的数据，计算用户活跃状态数与电器开启户数的对应关系，建立各时刻开启电器用户数的模糊逻辑规则。
各时间区间内开启电器用户数的模糊逻辑推理过程为：
If ni&son,then Ai＝max(Ni)。
其中：ni表示当前用户活跃户数，son表示电器已经开启,Ai表示该活跃户数下M天对应电器开启户数的最大值,Ni表示该活跃户数下M天对应电器开启户数；在同一时间区间内，用户活跃户数会有0-N户的可能性，则有N+1条规则。
步骤4：确定电器平均使用时长；
对于电器平均使用时长，统计M天电器每开启一次后的运行时长，计算使用时长的平均值，从而得到电器平均使用时长。则电器平均使用时长计算公式为：
Figure GDA0003353807480000081
其中Td为1户用户1天内电器使用时间。
步骤5：预测负荷曲线。
判断预测日各时段的活跃用户户数，由该开启电器用户的模糊用电规则，推理出各时段的电器开启户数，结合电器平均使用时长，得到预测日各时段内用电负荷，得出用电负荷计算公式如下：
Psum＝Ai×PPER (4)
其中PPER为洗衣机在一次平均时长内消耗的功率,Ai表示该活跃户数下M天对应电器开启户数的最大值。
需要说明的是，本发明公开的负荷曲线建模方法，先以一栋楼10户含分布式电源用户为例，由以15min为时间间隔的调查数据统计出用户100天内的活动情况，获得用户的活跃状态户数，再以柔性负荷如洗衣机为例，由相同时间间隔的数据统计得出洗衣机在100天内的开启时间，得出用户活跃状态数与电器开启户数的模糊逻辑关系；由100天电器每开启一次后的运行时长，计算平均使用时长。最后综合用户活跃状态、电器开启时间和电器平均使用时长得到含分布式电源用户的负荷曲线。该模型在分析分布式电源用户行为对负荷特性的影响上有一定的有效性，对电网规划及运营策略有一定的参考价值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种基于用户行为的分布式电源用户负荷曲线建模方法，其特征在于，所述曲线建模的具体步骤如下：
步骤1：确定居民户数活跃状态；
由于每户用户活动可以分为活跃状态或不活跃状态，将N户用户的活跃和不活跃状态对应于马尔科夫链的两种状态，并根据统计数据记录用户M天的活动安排情况，由此统计得出M天内各时刻内用户的活跃状态；
将一天以15min的时间间隔进行划分，从统计数据中计算出各单位时间间隔到下一个时间间隔的用户活跃状态概率转移矩阵，采用马尔科夫链蒙特卡洛法对用户用电活跃状态的转移进行动态模拟，从而得出1天内各时间间隔内一栋楼中N户用户的活跃状态；
步骤2：确定每段时间间隔用户活跃状态户数概率分布密度；
对于某一区域用户，共N户用户，统计出这N+1种状态在M天内每天各个时间区间内出现的频数并画出频数直方图，得到一天每段时间间隔用户活跃状态户数概率分布密度；
步骤3：确定电器开启时间；
电器使用状态之一包括电器开启时间，用户行为数据可用于决定电器开启时间；对于电器开启时间的获取，统计M天、每天以15min为时间间隔的数据，计算每天每15min间隔下，用户活跃状态数与电器开启户数的对应关系，建立各时刻开启电器用户数的模糊逻辑规则；
步骤4：确定电器平均使用时长；
用一种电器使用状态为电器平均使用时长，用户行为数据可决定电器平均使用时长；对于电器平均使用时长，统计M天电器每开启一次后的运行时长，计算使用时长的平均值，从而得到电器平均使用时长；
步骤5：预测负荷曲线；
负荷曲线由用户活跃状态、电器开启时间和电器平均使用时长决定；判断预测日各时段的活跃用户户数，由该开启电器用户的模糊用电规则，推理出各时段的电器开启户数，结合电器平均使用时长，得到用户用电负荷曲线。
2.根据权利要求1所述的一种基于用户行为的分布式电源用户负荷曲线建模方法，其特征在于，在步骤1中，用户活跃状态转移概率矩阵由居民状态转移概率pij(n)构成，具体为：
Figure FDA0003290152420000021
其中，pij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的概率；
aij(n)表示在第n个单位时间间隔内用户活跃状态户数从i户转移到j户的总数；
ai(n)表示在第n个单位时间步长内用户活跃状态户数发生状态转移的总数：
Figure FDA0003290152420000022
生成的(N+1)×(N+1)用户活跃状态转移概率矩阵如下：
Figure FDA0003290152420000031
3.根据权利要求1所述的一种基于用户行为的分布式电源用户负荷曲线建模方法，其特征在于，在步骤3)中，各时间区间内开启电器用户数的模糊逻辑推理过程为：
If ni&son,then Ai＝max(Ni)
其中：ni表示当前用户活跃户数，son表示电器已经开启,Ai表示该活跃户数下M天对应电器开启户数的最大值，Ni表示该活跃户数下M天对应电器开启户数；在同一时间区间内，用户活跃户数会有0-N户的可能性，则有N+1条规则。
4.根据权利要求1所述的一种基于用户行为的分布式电源用户负荷曲线建模方法，其特征在于，在步骤4)中，电器平均使用时长计算公式为：
Figure FDA0003290152420000032
其中Td为1户用户1天内电器使用时间。
5.根据权利要求1所述的一种基于用户行为的分布式电源用户负荷曲线建模方法，其特征在于，在步骤5)中，用电负荷计算公式如下：
Psum＝Ai×PPER (4)
其中PPER为洗衣机在一次平均时长内消耗的功率，Ai表示该活跃户数下M天对应电器开启户数的最大值。
CN201910090932.2A 2019-01-30 2019-01-30 一种基于用户行为的分布式电源用户负荷曲线建模方法 Active CN111509727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910090932.2A CN111509727B (zh) 2019-01-30 2019-01-30 一种基于用户行为的分布式电源用户负荷曲线建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910090932.2A CN111509727B (zh) 2019-01-30 2019-01-30 一种基于用户行为的分布式电源用户负荷曲线建模方法

Publications (2)

Publication Number Publication Date
CN111509727A CN111509727A (zh) 2020-08-07
CN111509727B true CN111509727B (zh) 2021-12-31

Family

ID=71874020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910090932.2A Active CN111509727B (zh) 2019-01-30 2019-01-30 一种基于用户行为的分布式电源用户负荷曲线建模方法

Country Status (1)

Country Link
CN (1) CN111509727B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994627B (zh) * 2023-03-22 2023-07-14 湖南大学 住宅建筑柔性负荷日前优化调度方法、装置、设备、介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103362A (zh) * 2009-12-17 2011-06-22 深圳先进技术研究院 微电网系统和基于微电网系统的模糊控制方法
CN104181898A (zh) * 2014-09-01 2014-12-03 东北电力大学 一种基于分时电价响应的交互式家电智能控制方法和系统
US9009095B1 (en) * 2010-01-12 2015-04-14 George Mason University Method and system for utilizing Markov chain Monte Carlo simulations
JP2017167878A (ja) * 2016-03-17 2017-09-21 国立研究開発法人産業技術総合研究所 行動分析システムおよびプログラム
CN107229602A (zh) * 2017-05-22 2017-10-03 湘潭大学 一种智能楼宇微网用电行为的识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103362A (zh) * 2009-12-17 2011-06-22 深圳先进技术研究院 微电网系统和基于微电网系统的模糊控制方法
US9009095B1 (en) * 2010-01-12 2015-04-14 George Mason University Method and system for utilizing Markov chain Monte Carlo simulations
CN104181898A (zh) * 2014-09-01 2014-12-03 东北电力大学 一种基于分时电价响应的交互式家电智能控制方法和系统
JP2017167878A (ja) * 2016-03-17 2017-09-21 国立研究開発法人産業技術総合研究所 行動分析システムおよびプログラム
CN107229602A (zh) * 2017-05-22 2017-10-03 湘潭大学 一种智能楼宇微网用电行为的识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The study of the power quality emission characteristics of different types of lamps and their impacts on distribution systems;Shunfu Lin;《2016 IEEE 11th Conference on Industrial Electronics and Applications (ICIEA)》;20161024;全文 *
基于用户行为的家庭日负荷曲线模型;林顺富;《电力建设》;20161030;第37卷(第10期);全文 *

Also Published As

Publication number Publication date
CN111509727A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
Kong et al. A practical solution for non-intrusive type II load monitoring based on deep learning and post-processing
Virote et al. Stochastic models for building energy prediction based on occupant behavior assessment
Niknam et al. A new decomposition approach for the thermal unit commitment problem
CN107895971A (zh) 基于随机规划和模型预测控制的区域能源互联网调度方法
CN103106621B (zh) 碳排放权交易下碳捕集机组的厂内优化运行方法
CN109977535A (zh) 一种线损异常诊断方法、装置、设备及可读存储介质
CN104680339B (zh) 一种基于实时电价的家用电器调度方法
CN103702401B (zh) 基于用户行为分析的移动网络节能方法
CN111509727B (zh) 一种基于用户行为的分布式电源用户负荷曲线建模方法
CN107480432A (zh) 一种基于云平台的负荷分解方法
Chen et al. An intelligent system for mining usage patterns from appliance data in smart home environment
CN115983430A (zh) 一种综合能源系统管理优化的方法及系统
Shen et al. Optimization of peak-valley pricing policy based on a residential electricity demand model
CN116681177A (zh) 一种基于建筑能耗碳积分减免制的建筑节能方法和系统
Zhi‐gang et al. Robust DED based on bad scenario set considering wind, EV and battery switching station
Liu et al. Improving the economic and environmental benefits of the energy system: A novel hybrid economic emission dispatch considering clean energy power uncertainty
CN109859069A (zh) 一种发电机组的能耗报警管理方法及装置
Li et al. A hybrid learning method for the data-driven design of linguistic dynamic systems
Kee et al. Impact of nonintrusive load monitoring on CO 2 emissions in Malaysia
CN112001578A (zh) 一种适用于广义储能资源优化调度方法及系统
CN113094931B (zh) 一种非侵入式负荷分解方法、装置及设备
CN111342463A (zh) 基于多元外部数据的电力负荷辅助辨识方法
CN112327046B (zh) 基于模糊聚类和支持向量回归的非侵入式负荷监测方法
Albataineh et al. DEVS-Based IoT Management System for Modeling and Exploring Smart Home Devices
Salehfar et al. Application of perturbation analysis to sensitivity computations of generating units and system reliability

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