CN111553677A - 矿业电价的计费方法及装置 - Google Patents
矿业电价的计费方法及装置 Download PDFInfo
- Publication number
- CN111553677A CN111553677A CN201910109634.3A CN201910109634A CN111553677A CN 111553677 A CN111553677 A CN 111553677A CN 201910109634 A CN201910109634 A CN 201910109634A CN 111553677 A CN111553677 A CN 111553677A
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- analysis
- electricity
- product
- model
- 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
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
- G06Q20/145—Payments according to the detected use or quantity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/12—Billing, invoicing, buying or selling transactions or other related activities, e.g. cost or usage evaluation
Abstract
本发明提供了一种矿业电价的计费方法及装置,涉及电价计算技术领域,主要目的是使得相关企业能够准确分析出企业适合自己企业购买电费的方式,降低企业用电成本,所述方法包括:获取各个厂矿的产品电量以及生产量;将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型;根据所述小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。本发明主要用于矿业电价的计费。
Description
技术领域
本发明涉及电价计算技术领域,尤其涉及一种矿业电价的计费方法及装置。
背景技术
近年来,如何降低企业电力成本成为企业生存与发展的方向,为了保证矿业生产的正常用电,必须做好电量的需求分析和测算工作。根据矿业生产需求用电量数据的统计分析,每年基层的用电量,随着生产量变化使供电需求量不断变化,供电单位必须做好电量的需求分析和预测工作,成为转供单位做出正确的用电决策的关键。
目前,我国对工业用电实行的是两部制电价制度,其中一部分叫基本电价,是为用户随时用电配备专门装备而产生的费用,与用电量多少无关。这部分用电叫基本电费,其计收方式有两种,一种是按变压器容量计费,另一种按最大需量计费,用电企业可以根据自身情况,按供电部门相关规定选择一种计收基本电费的方式,默认方式为按变压器容量计收。
然而,无论采用哪种方式计收基本电费,首先必须要统计出最大需量,进而通过比较两种计费方式哪种更经济,采取行之有效的测算和分析方法,使得相关企业无法准确分析出适合自己企业购买电费的方式,无形中增加企业用电成本。
发明内容
本发明提供一种矿业电价的计费方法及装置,使得相关企业能够准确分析出企业适合自己企业购买电费的方式,降低企业用电成本。
一方面,本发明提供了一种矿业电价的计费方法,包括:
获取各个厂矿的产品电量以及生产量;
将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型;
根据所述小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;
通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
进一步地,所述获取各个厂矿的产品电量以及生产量包括:
电量采集模块将每个厂矿的工序电量累加,通过各个变电所分别采集出来,发送至动力厂的电量数据库中;
生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来,发送至动力厂的生产量数据库中。
进一步地,所述将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成日最大负荷跟踪模型包括:
通过将所述产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;
遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;
如果所述产品电量大于所述参考值,将所述产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
进一步地,所述通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式包括:
根据所述动态电量分析预测模型,构建线性回归方程组;
采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
进一步地,所述根据所述动态电量分析预测模型,构建线性回归方程组包括:
将所述动态电量分析预测模型中所述产品电量以及所述生产量运用线性回归进行分析;
根据所述线性回归分析结果,构建线性回归方程组。
进一步地,所述将所述动态电量分析预测模型中所述产品电量以及所述生产量运用线性回归进行分析包括:
将所述动态电量分析预测模型中所述产品电量以及所述生产量作为自变量以及因变量进行线性回归分析。
一方面,本发明提供了一种矿业电价的计费装置,包括:
获取单元,用于获取各个厂矿的产品电量以及生产量;
第一生成单元,用于将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型;
第二生成单元,用于根据所述小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;
预测单元,用于通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
进一步地,所述获取单元包括:
第一采集模块,用于电量采集模块将每个厂矿的工序电量累加,通过各个变电所分别采集出来,发送至动力厂的电量数据库中;
第二采集模块,用于生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来,发送至动力厂的生产量数据库中。
进一步地,所述第一生成单元包括:
统计模块,用于通过将所述产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;
比较模块,用于遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;
生成模块,用于如果所述产品电量大于所述参考值,将所述产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
进一步地,所述预测单元包括:
构建模块,用于根据所述动态电量分析预测模型,构建线性回归方程组;
预测模块,用于采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
进一步地,所述构建模块,具体用于将所述动态电量分析预测模型中所述产品电量以及所述生产量运用线性回归进行分析;
所述构建模块,具体还用于根据所述线性回归分析结果,构建线性回归方程组。
进一步地,所述构建模块,具体还用于将所述动态电量分析预测模型中所述产品电量以及所述生产量作为自变量以及因变量进行线性回归分析。
由上述技术方案可知,本发明提供的矿业电价的计费方法及装置,通过将获取的产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,根据小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型,代替原来的预估矿山企业电量,升级到根据生产量需求预测电量,解决了多年电量与生产量脱节的难题,进一步通过动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式,能够给矿山企业计划购电带来了很大的方便,能够把各厂矿的电量和生产量需要有机的结合起来,实现从未知到先知,从被动到主动,从人为指导到智能指导,实现了合理经济用电。
另外,本发明能够根据下一年的生产计划,可以预测下一年的最大用电量预测,进而根据用电量来选择是按变压器容量购买电量,还是根据最大负荷电量购买电量,为企业降低成本,提高了用电效率,节约资源。
附图说明
图1为本发明一实施例提供的矿业电价的计费方法的流程示意图;
图2为本发明一实施例提供的日最大负荷跟踪模型的预测过程;
图3为本发明一实施例提供的电量分析预测模型的预测过程;
图4为本发明一实施例提供的矿业电价的计费装置的组成框图;
图5为本发明另一实施例提供的矿业电价的计费装置的组成框图;
图6为本发明另一实施例提供的矿业电价的计费装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明一实施例提供的矿业电价的计费方法的流程示意图,如图1 所示,所述方法包括:
101、获取各个厂矿的产品电量以及生产量。
其中,各个厂矿包括采厂、选厂、烧结厂以及球团厂,具体可以通过电量采集模块将每个厂矿的工序电量累加一起,通过个变电所分别采集出来,通过生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来。
对于本发明实施例,通过电量采集和生产量采集相结合的方式代替原来的预估矿山企业电量,升级到根据生产量需求预测电量,解决了多年电量与生产量脱节的难题。
102、将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型。
其中,动力厂分析汇总模块能够将每个厂矿的电量和生产量汇总后,形成一个小时负荷分析模型、电量分析预测模型和日最大负荷跟踪模型。
103、根据所述小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型。
104、通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
其中,动态电量分析预测模型,能够利用分析汇总模块的小时负荷分析模型和日小时最大负荷跟踪模型,进行更详细的分析,并可以通过输入计划的生产量形成计划电量,进而自动形成购买电量的预测方式。
综上所述,上述的矿业电价的计费方法,通过将获取的产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,根据小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型,代替原来的预估矿山企业电量,升级到根据生产量需求预测电量,解决了多年电量与生产量脱节的难题,进一步通过动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式,能够给矿山企业计划购电带来了很大的方便,能够把各厂矿的电量和生产量需要有机的结合起来,实现从未知到先知,从被动到主动,从人为指导到智能指导,实现了合理经济用电。
另外,上述的矿业电价的计费方法,能够根据下一年的生产计划,可以预测下一年的最大用电量预测,进而根据用电量来选择是按变压器容量购买电量,还是根据最大负荷电量购买电量,为企业降低成本,提高了用电效率,节约资源。
进一步地,图2为本发明一实施例提供的日最大负荷跟踪模型的预测过程,如图2所示,的日最大负荷跟踪模型是将通过各变电所电量实时采集,并且细化按小时进行动态电量统计分析,将每天数据找出最大值加一个比例系数(考虑线损和计量误差等因数)作为参考值进行比较,如果下一天按小时还有比这个值大的,则进行替换,保证始终有一个全月的日最大负荷,实现日最大负荷跟踪。
具体的,将产品电量以及生产量汇总后输入至动力厂分析汇总模型,形成日最大负荷跟踪模型可以包括如下步骤:首先通过将产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;然后遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;如果产品电量大于参考值,将产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
进一步地,动态电量分析预测模型,利用分析汇总模块的小时负荷分析模型和日小时最大负荷跟踪模型,进行更详细的分析,并可以通过输入计划的生产量形成计划电量,进而自动形成购买电量的预测方式。
具体的,通过动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成电量需求对应的电价计费方式包括如下步骤:首先根据动态电量分析预测模型,构建线性回归方程组;然后采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成电量需求对应的电价计费方式。
进一步地,根据动态电量分析预测模型,构建线性回归方程组可以包括如下步骤:首先将动态电量分析预测模型中产品电量以及生产量运用线性回归进行分析;然后根据线性回归分析结果,构建线性回归方程组。
具体的,将动态电量分析预测模型中所述产品电量以及生产量运用线性回归进行分析具体可以将动态电量分析预测模型中产品电量以及生产量作为自变量以及因变量进行线性回归分析。
具体的,动态电量分析预测模型可以通过线性回归系数法,计算这个线性方程式的y值与原数据y值间误差平方的总合。我们需要有比较精确方式决定理想的线性方程式。我们可以用误差平方的总合为最小,做为决定理想的线性方程式的准则,这样的方法就称为线性回归。即用最小二乘法估计参数a、b,得方程组解得假设线性回归方程为:
y=ax+b(1)
其中,a,b为回归系数,要用观测数据(x1,x2,...,xn和y1,y2,...,yn)确定之。
图3为本发明一实施例提供的动态电量分析预测模型的预测过程,如图3所示,根据产量变化预测电量变化,再根据实际测量最大电量结果预测今后电量需求。
这里需要指出的是企业生产规模的变化和用电需求是变化的,如何预测未来用电需求显得格外重要。我们根据时间、产量和电量历史数据可以运用线性回归进行分析。在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。即随机变量与因变量之间存在线性相关关系,则由试验数据得到的点将散布在某一直线周围。假设有一组数据型态为y=y(x),其中每天生产量与电量的对应关系如下表:
通过电量分析预测模型,根据产品产量预测电量的需要。企业要根据生产规模变化和市场需求变化合理考虑基本电价计费方式。其计算方法如下:
x:实际用电量/每月
p:用电单价
q:购电额度/每月
根据需求,每个月的基础电费的函数f(x)表述如下:
对于式(1)来说,q是未知值,x是已知的每月历史用电量数据,通过对全部的历史数据的x得到最小的用电价格。
求q的数学模型如下;
n:在设定q的值之后,所有的小于等于q的x的个数
m:所有历史x的个数
其中q跟n是有关系的,q的值设定后,n的值可以直接得出。将所有的历史 x的值排序后,使得q=xi,然后依次计算式(2)的值,使得式(2)最小的q的值就是估算的下一年需要购买的电量值,如果该最小值大于按照变压器容量购买,下一年则按变压器容量来购买。
如果有很多年的历史数据,可以用以上方法对每年求出一个q,然后对全部的 q做线性回归,从而预测下一年的q的值,然后比较该值与按变压器容量购买的值的大小,然后决定最终的购买量。
以辽宁企业为例,按变压器容量计收基本电费为22元/KVA,如变压器容量为2000KVA,正常情况下,每月基本电费为44000元,(用不用电都必须交基本电费,除非变压器报停),按最大需量计收基本电费为33元/KW,如申报最大需量核定值为1000KW,且该月实际最大需量未超出核定值,该月基本电费为33000元。这样每月就可以节约基本电价电费11000元。所以企业要根据自身情况进行判断,如果测算准确,合理选择基本电费计收方式就能大大节约电费成本。
另外,国家为了给企业减负,正在制定相关措施出台,一是要放宽作为基本电费变更周期的规定,二是取消对暂停用电次数的限制。这些都会为企业合理选择何种基本计价方式创造了有利条件。
本发明给矿山企业计划购电带来了很大的方便,能够把各厂矿的电量和生产量需要有机的结合起来,实现从未知到先知,从被动到主动,从人为指导到智能指导,实现了合理经济用电。
本发明根据下一年的生产计划,可以预测下一年的最大用电量预测,进而根据用电量来选择是按变压器容量购买电量,还是根据最大负荷电量购买电量,为企业降低成本,提高了用电效率,节约资源。
进一步地,作为图1所示方法的具体实现,图4示出了本发明实施例提供的一种矿业电价的计费装置的组成框图,如图4所示,该系统包括:
获取单元21,可以用于获取各个厂矿的产品电量以及生产量;
第一生成单元22,可以用于将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型;
第二生成单元23,可以用于根据所述小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;
预测单元24,可以用于通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
本发明实施例提供的一种矿业电价的计费装置,通过将获取的产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,根据小时负荷分析模型、工序动态电量分析预测模型以及日最大负荷跟踪模型,形成动态电量分析预测模型,代替原来的预估矿山企业电量,升级到根据生产量需求预测电量,解决了多年电量与生产量脱节的难题,进一步通过动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式,能够给矿山企业计划购电带来了很大的方便,能够把各厂矿的电量和生产量需要有机的结合起来,实现从未知到先知,从被动到主动,从人为指导到智能指导,实现了合理经济用电。
另外,本发明能够根据下一年的生产计划,可以预测下一年的最大用电量预测,进而根据用电量来选择是按变压器容量购买电量,还是根据最大负荷电量购买电量,为企业降低成本,提高了用电效率,节约资源。
进一步地,如图5所示,所述获取单元21包括:
第一采集模块211,可以用于电量采集模块将每个厂矿的工序电量累加,通过各个变电所分别采集出来,发送至动力厂的电量数据库中;
第二采集模块212,可以用于生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来,发送至动力厂的生产量数据库中。
进一步地,所述第一生成单元22包括:
统计模块221,可以用于通过将所述产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;
比较模块222,可以用于遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;
生成模块223,可以用于如果所述产品电量大于所述参考值,将所述产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
进一步地,所述预测单元24包括:
构建模块241,可以用于根据所述动态电量分析预测模型,构建线性回归方程组;
预测模块242,可以用于采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
进一步地,所述构建模块241,具体可以用于将所述动态电量分析预测模型中所述产品电量以及所述生产量运用线性回归进行分析;
所述构建模块241,具体还可以用于根据所述线性回归分析结果,构建线性回归方程组。
进一步地,所述构建模块241,具体还可以用于将所述动态电量分析预测模型中所述产品电量以及所述生产量作为自变量以及因变量进行线性回归分析。
示例性的,图6为本发明另一实施例提供的矿业电价的计费装置的组成框图,见图6,包括矿山各厂矿(采厂、选厂、烧结厂和球团厂)、各变电所、工序电量采集模块、各厂矿(采厂、选厂、烧结厂和球团厂)、各生产服务器、生产量采集模块、动力厂分析汇总模块、小时负荷分析模型、工序动态电量分析预测模型、日最大负荷跟踪模型和动态电量分析预测模型。
上述的电量采集模块,用于把每个厂矿的工序电量累加一起,通过各变电所分别采集出来,送到动力厂的电量数据库中。
上述的生产量采集模块,用于把每个厂矿产品的生产量,通过各生产服务器,分别采集出来,送到动力厂的生产量数据库中。
上述的动力厂分析汇总模块,用于每个厂矿的电量和生产量汇总后,形成一个小时负荷分析模型、电量分析预测模型和日最大负荷跟踪模型。
最后需要说明的是,以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的权利要求保护的范围。
Claims (10)
1.一种矿业电价的计费方法,其特征在于,包括:
获取各个厂矿的产品电量以及生产量;
将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序电量分析模型以及日最大负荷跟踪模型;
根据所述小时负荷分析模型、工序电量分析模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;
通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
2.根据权利要求1所述的矿业电价的计费方法,其特征在于,所述获取各个厂矿的产品电量以及生产量包括:
电量采集模块将每个厂矿的工序电量累加,通过各个变电所分别采集出来,发送至动力厂的电量数据库中;
生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来,发送至动力厂的生产量数据库中。
3.根据权利要求1所述的矿业电价的计费方法,其特征在于,所述将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成日最大负荷跟踪模型包括:
通过将所述产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;
遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;
如果所述产品电量大于所述参考值,将所述产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
4.根据权利要求1所述的矿业电价的计费方法,其特征在于,所述通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式包括:
根据所述动态电量分析预测模型,构建线性回归方程组;
采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
5.根据权利要求4所述的矿业电价的计费方法,其特征在于,所述根据所述动态电量分析预测模型,构建线性回归方程组包括:
将所述动态电量分析模型中所述产品电量以及所述生产量运用线性回归进行分析;
根据所述线性回归分析结果,构建线性回归方程组。
6.根据权利要求5所述的矿业电价的计费方法,其特征在于,所述将所述动态电量分析模型中所述产品电量以及所述生产量运用线性回归进行分析包括:
将所述动态电量分析模型中所述产品电量以及所述生产量作为自变量以及因变量进行线性回归分析。
7.一种矿业电价的计费装置,其特征在于,包括:
获取单元,用于获取各个厂矿的产品电量以及生产量;
第一生成单元,用于将所述产品电量以及所述生产量汇总后输入至动力厂分析汇总模型,形成小时负荷分析模型、工序电量分析模型以及日最大负荷跟踪模型;
第二生成单元,用于根据所述小时负荷分析模型、工序电量分析模型以及日最大负荷跟踪模型,形成动态电量分析预测模型;
预测单元,用于通过所述动态电量分析预测模型,预测未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
8.根据权利要求7所述的矿业电价的计费装置,其特征在于,所述获取单元包括:
第一采集模块,用于电量采集模块将每个厂矿的工序电量累加,通过各个变电所分别采集出来,发送至动力厂的电量数据库中;
第二采集模块,用于生产量采集模块将每个厂矿产品的生产量,通过各个生产服务器分别采集出来,发送至动力厂的生产量数据库中。
9.根据权利要求7所述的矿业电价的计费装置,其特征在于,所述第一生成单元包括:
统计模块,用于通过将所述产品电量细化为单位时间进行动态电量统计分析,从每天的产品电量中找出最大值加一个比例系数作为参考值;
比较模块,用于遍历每天的产品电量,将每天的产品电量与所述参考值进行比较;
生成模块,用于如果所述产品电量大于所述参考值,将所述产品数据替换为参考值,直至日最大负荷对应的产品电量,形成日最大负荷跟踪模型。
10.根据权利要求7所述的矿业电价的计费装置,其特征在于,所述预测单元包括:
构建模块,用于根据所述动态电量分析预测模型,构建线性回归方程组;
预测模块,用于采用最小二乘法预估所述线性回归方程组对应的解,得到未来预设时间段内的电量需求,并生成所述电量需求对应的电价计费方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109634.3A CN111553677A (zh) | 2019-02-11 | 2019-02-11 | 矿业电价的计费方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109634.3A CN111553677A (zh) | 2019-02-11 | 2019-02-11 | 矿业电价的计费方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111553677A true CN111553677A (zh) | 2020-08-18 |
Family
ID=72001845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910109634.3A Pending CN111553677A (zh) | 2019-02-11 | 2019-02-11 | 矿业电价的计费方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553677A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738533A (zh) * | 2020-08-21 | 2020-10-02 | 武汉光谷信息技术股份有限公司 | 一种让电交易曲线的换元拟合方法及3d可视化展示平台 |
CN113570405A (zh) * | 2021-07-01 | 2021-10-29 | 国网能源研究院有限公司 | 一种自备发电厂发用电成本建模分析方法及装置 |
-
2019
- 2019-02-11 CN CN201910109634.3A patent/CN111553677A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738533A (zh) * | 2020-08-21 | 2020-10-02 | 武汉光谷信息技术股份有限公司 | 一种让电交易曲线的换元拟合方法及3d可视化展示平台 |
CN111738533B (zh) * | 2020-08-21 | 2020-11-24 | 武汉光谷信息技术股份有限公司 | 一种让电交易曲线的换元拟合方法及3d可视化展示平台 |
CN113570405A (zh) * | 2021-07-01 | 2021-10-29 | 国网能源研究院有限公司 | 一种自备发电厂发用电成本建模分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abeberese | Electricity cost and firm performance: Evidence from India | |
CN108490904B (zh) | 一种基于设备多工况运行的能源系统优化调度方法 | |
US20200220382A1 (en) | Energy storage modeling and control | |
CN107123982B (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
Zakariazadeh et al. | Stochastic multi-objective operational planning of smart distribution systems considering demand response programs | |
Huang et al. | Robust coordination expansion planning for active distribution network in deregulated retail power market | |
CN103413188B (zh) | 一种基于工业业扩报装的月度工业用电量预测方法 | |
CN102692615B (zh) | 自动采集电量数据系统 | |
JP2009089594A (ja) | 検針データを利用した電力設備の時空間負荷分析システム及び負荷の計算方法 | |
Guo et al. | Maximum power demand prediction using fbprophet with adaptive Kalman filtering | |
CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及系统 | |
Zhao et al. | Modeling demand response under time-of-use pricing | |
Leal et al. | Distribution transformer losses evaluation: A new analytical methodology and artificial neural network approach | |
CN115882456B (zh) | 一种基于大规模电网潮流的电力控制方法及系统 | |
CN111553677A (zh) | 矿业电价的计费方法及装置 | |
CN113112136A (zh) | 一种配电网可靠性综合评估方法及系统 | |
Gehbauer et al. | Photovoltaic and behind-the-meter battery storage: advanced smart inverter controls and field demonstration | |
JP2005070959A (ja) | 電力需要情報処理システム | |
CN104252647A (zh) | 基于反距离权重插值法的用电负荷预测方法 | |
Li et al. | Implementation of load profile test for electricity distribution networks | |
Aravind et al. | Smart electricity meter on real time price forecasting and monitoring system | |
Suryakiran et al. | A DSO-based day-ahead market mechanism for optimal operational planning of active distribution network | |
CN114219204A (zh) | 一种能源需量的智能管理系统 | |
Suryanarayana et al. | EV charging site day-ahead load prediction in a synthetic environment for RL based grid-informed charging | |
Arruda et al. | Disaggregated active and reactive demand forecasting using first difference measured data and neural networks |
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 |