CN111915056A - 一种基于大数据分析的用户实用负荷预测系统及预测方法 - Google Patents
一种基于大数据分析的用户实用负荷预测系统及预测方法 Download PDFInfo
- Publication number
- CN111915056A CN111915056A CN202010549094.3A CN202010549094A CN111915056A CN 111915056 A CN111915056 A CN 111915056A CN 202010549094 A CN202010549094 A CN 202010549094A CN 111915056 A CN111915056 A CN 111915056A
- Authority
- CN
- China
- Prior art keywords
- user
- module
- big data
- load
- input
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 230000005611 electricity Effects 0.000 claims abstract description 54
- 238000013480 data collection Methods 0.000 claims abstract description 12
- 238000009434 installation Methods 0.000 claims description 40
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Abstract
本发明提供一种基于大数据分析的用户实用负荷预测系统。一种基于大数据分析的用户实用负荷预测系统，其中，包括输入模块、负荷预测模块、输出模块、用户用电大数据平台和数据收集模块，输入模块的输出端与负荷预测模块的输入端连接，负荷预测模块的输出端与输出模块的输入端连接，数据收集模块的输出端与用户用电大数据平台的输入端连接，用户用电大数据平台的输出端负荷预测模块的输入端连接。本发明还提供一种上述预测系统的预测方法。本发明基于大数据平台，存储分类更加详细的所有用户用电数据；对新报装用户进行性质匹配，基于大数据分析求出负荷实用系数，进而计算出新报装用户的实用负荷，能够达到提高负荷预测精度的目的。
Description
技术领域
本发明涉及用电用户实用负荷预测技术领域，更具体地，涉及一种基于大数据分析的用户实用负荷预测系统及预测方法。
背景技术
在配网规划相关技术中，新报装用户实用负荷预测是极其关键的一个环节，其直接对配网规划质量产生影响。因此也就衍生了一系列的电力负荷预测方法，如中国专利CN108876019A公开的一种基于大数据的用电负荷预测方法及系统，以及CN106529747A公开的一种基于大数据的电力负荷预测方法与系统等。这些预测方法大多都是基于影响电力负荷的因素(时间、天气、经济发展趋势等)的大数据来预测某个目标对象(小区、城市、省份等)整体的电力负荷，而并非是针对某一新报装用户的实用负荷进行预测。
在现有的实际操作中，新报装用户实用负荷预测主要采用实用系数法，该方法首先按负荷性质将已有用电用户负荷粗略分为工业用电、商业用电、居民用电、农业用电和其他用电几类，对每一类负荷，选取几个典型用户，根据报装容量和年最大用电负荷求取相关实用系数。利用新报装用户报装容量乘以实用系数，即可得出新报装用户的实用负荷。
由此可以看出，目前采用的方法中，负荷分类比较粗糙，没有对每类负荷再次进行细分。与此同时，典型用户的选取方面缺乏依据，操作过程中往往是随意选取，起不到代表性作用。同时由于选取的典型用户过少，导致用户实用负荷预测精度不高。
发明内容
本发明为了克服上述现有方法中负荷分类比较粗糙，选取的典型用户过少，导致用户实用负荷预测精度不高的缺陷，提供一种基于大数据分析的用户实用负荷预测系统及预测方法。本发明基于大数据平台，存储分类更加详细的所有用户用电数据；对新报装用户进行性质匹配，基于大数据分析求出负荷实用系数，进而计算出新报装用户的实用负荷，能够达到提高负荷预测精度的目的。
为解决上述技术问题，本发明采用的技术方案是：一种基于大数据分析的用户实用负荷预测系统，其中，包括输入模块、负荷预测模块、输出模块、用户用电大数据平台和数据收集模块，所述输入模块的输出端与所述负荷预测模块的输入端连接，所述负荷预测模块的输出端与所述输出模块的输入端连接，所述数据收集模块的输出端与所述用户用电大数据平台的输入端连接，所述用户用电大数据平台的输出端所述负荷预测模块的输入端连接。
本发明还提供一种如上述的基于大数据分析的用户实用负荷预测系统的预测方法，其中，包括如下步骤：
S1.数据收集模块收集某一固定区域现有用电用户的用户用电数据，并将其传输给用户用电大数据平台；
S2.用户用电大数据平台根据接收到的现有用电用户的用户用电数据将现有用电用户进行分类；
S3.通过输入模块输入该固定区域当前新报装用户的报装信息，输入模块将当前新报装用户的报装信息传输给负荷预测模块；
S4.负荷预测模块根据接收到的当前新报装用户的报装信息将当前新报装用户与用户用电大数据平台中现有用电用户的分类进行匹配，并根据匹配成功的对应类别的用电用户在某一年的负荷实用系数计算出当前新报装用户在该年的实用负荷预测值；
S5.负荷预测模块将计算出的当前新报装用户在该年的实用负荷预测值传输给输出模块进行输出结果。
进一步的，所述步骤S1中，所述现有用电用户的用户用电数据包括用户名称、用电性质、报装容量、用电时间以及第t年最大用电负荷。
进一步的，所述步骤S2中，用户用电大数据平台对现有用电用户进行分类的具体步骤如下：
S21.用户用电大数据平台以每个现有用电用户的用户用电数据为基本数据，构成集合{用户名称，用电性质Xn(n＝1,2,3.....,N)，报装容量Qn(n＝1,2,3.....,N)，用电时间Tn(n＝1,2,3.....,N)，第t年最大用电负荷Pn(t)(n＝1,2,3.....,N，t＝1,2,3.....)}，其中，N表示现有用电用户总数；
S22.根据现有用电用户的用电性质，将其细分为M类，每个类别的用户个数为Y(m)，m＝1,2,3.....,M。
本发明中，当新的用电用户用电投产后，同步自动更新用户用电大数据平台数据。
进一步的，所述步骤S3中，所述输入模块上设有手动输入界面，所述该固定区域当前新报装用户的报装信息通过所述手动输入界面输入到输入模块中。
进一步的，所述当前新报装用户的报装信息包括用户用电性质和用户报装容量。
进一步的，所述步骤S4具体包括如下步骤：
S41.负荷预测模块根据输入的当前新报装用户的用电性质，自动与用户用电大数据平台中现有用电用户的分类进行匹配，匹配成功则执行步骤S42和S43，匹配不成功则执行步骤S44；
S42.假设当前新报装用户成功匹配为第k类用电用户，对于第k类用电用户，负荷预测模块根据用户用电大数据平台中记录的对应数据计算出第k类用电用户第t年的负荷实用系数d(k,t)；
S43.令输入的当前新报装用户的用户报装容量为S，则该当前新报装用户第t年的实用负荷预测值q(t)为：
q(t)＝S·d(k,t)；
S44.若当前新报装用户的用户性质匹配不成功，按用户用电大数据平台最接近的类别对该当前新报装用户的用户性质进行修改，修改完成后再次输入，并按步骤S42和S43进行预测计算。
进一步的，所述步骤S42中，第k类用电用户第t年的负荷实用系数d(k,t)的具体计算工程如下：
令Y(k,t)表示有第t年最大用电负荷数据的第k类用电用户总数，且Y(k,t)个用电用户的报装总容量为Q(k,t)，第t年第k类用电用户的最大用电总负荷为P(k,t)，则第k类用电用户第t年的负荷实用系数d(k,t)定义为：
d(k,t)＝P(k,t)/Q(k,t)。
进一步的，所述输出模块上设有用于输出当前新报装用户第t年的实用负荷预测值q(t)的输出显示界面。
与现有技术相比，本发明的有益效果：
本发明是通过数据收集模块收集某一固定区域内的所有用电用户的用电数据，用户用电大数据平台把这些用电数据存储并进行详细分类，对新报装用户进行性质匹配，基于大数据分析求出负荷实用系数，进而计算出新报装用户的实用负荷。这样，用户用电大数据平台中存储的用电数据量大，且负荷分类精细，能够有效提高新报装用户实用负荷的预测精度。
附图说明
图1是本发明中基于大数据分析的用户实用负荷预测系统的整体结构示意图。
图2是本发明中输入模块上的手动输入界面的结构示意图。
图3是本发明中用户用电大数据平台内存储的数据结构图。
图4是本发明中输出模块上的输出显示界面的结构示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
实施例1
如图1所示，一种基于大数据分析的用户实用负荷预测系统，其中，包括输入模块1、负荷预测模块2、输出模块3、用户用电大数据平台4和数据收集模块5，所述输入模块1的输出端与所述负荷预测模块2的输入端连接，所述负荷预测模块2的输出端与所述输出模块3的输入端连接，所述数据收集模块5的输出端与所述用户用电大数据平台4的输入端连接，所述用户用电大数据平台4的输出端所述负荷预测模块2的输入端连接。
实施例2
一种基于大数据分析的用户实用负荷预测系统的预测方法，其中，包括如下步骤：
S1.数据收集模块5收集某一固定区域现有用电用户的用户用电数据，并将其传输给用户用电大数据平台4；所述现有用电用户的用户用电数据包括用户名称、用电性质、报装容量、用电时间以及第t年最大用电负荷。
S2.用户用电大数据平台4根据接收到的现有用电用户的用户用电数据将现有用电用户进行分类；具体步骤如下：
S21.用户用电大数据平台4以每个现有用电用户的用户用电数据为基本数据，构成集合{用户名称，用电性质Xn(n＝1,2,3.....,N)，报装容量Qn(n＝1,2,3.....,N)，用电时间Tn(n＝1,2,3.....,N)，第t年最大用电负荷Pn(t)(n＝1,2,3.....,N，t＝1,2,3.....)}，其中，N表示现有用电用户总数；其数据结构如图3所示，本平台中，对用电性质进行更加详细划分，如工业分为医药工业、化学工业、新能源工业等。
S22.根据现有用电用户的用电性质，将其细分为M类，每个类别的用户个数为Y(m)，m＝1,2,3.....,M。
S3.通过输入模块1输入该固定区域当前新报装用户的报装信息，输入模块1将当前新报装用户的报装信息传输给负荷预测模块2；所述输入模块1上设有手动输入界面，手动输入界面如图2所示，所述该固定区域当前新报装用户的报装信息通过所述手动输入界面输入到输入模块1中；所述当前新报装用户的报装信息包括用户用电性质和用户报装容量。
S4.负荷预测模块2根据接收到的当前新报装用户的报装信息将当前新报装用户与用户用电大数据平台4中现有用电用户的分类进行匹配，并根据匹配成功的对应类别的用电用户在某一年的负荷实用系数计算出当前新报装用户在该年的实用负荷预测值；具体包括如下步骤：
S41.负荷预测模块2根据输入的当前新报装用户的用电性质，自动与用户用电大数据平台4中现有用电用户的分类进行匹配，匹配成功则执行步骤S42和S43，匹配不成功则执行步骤S44；
S42.假设当前新报装用户成功匹配为第k类用电用户，对于第k类用电用户，由于每个用户的用电投产时间不一样，故其最大用电负荷数据序列长度可能不一样，令Y(k,t)表示有第t年最大用电负荷数据的第k类用电用户总数，且Y(k,t)个用电用户的报装总容量为Q(k,t)，第t年第k类用电用户的最大用电总负荷为P(k,t)，则第k类用电用户第t年的负荷实用系数d(k,t)定义为：
d(k,t)＝P(k,t)/Q(k,t)。
S43.令输入的当前新报装用户的用户报装容量为S，则该当前新报装用户第t年的实用负荷预测值q(t)为：
q(t)＝S·d(k,t)；
S44.若当前新报装用户的用户性质匹配不成功，按用户用电大数据平台4最接近的类别对该当前新报装用户的用户性质进行修改，修改完成后再次输入，并按步骤S42和S43进行预测计算。
S5.负荷预测模块2将计算出的当前新报装用户在该年的实用负荷预测值传输给输出模块3进行输出结果。
本实施例中，当新的用电用户用电投产后，同步自动更新用户用电大数据平台4数据。
本实施例中，所述输出模块3上设有用于输出当前新报装用户第t年的实用负荷预测值q(t)的输出显示界面。在如图2所示的输入模块1的手动输入界面上用户性质处输入居住，报装容量处输入1000kVA，点击右下角计算按钮，则得到该新报装用户每年实用负荷的预测值，根据规划周期，输出显示界面只显示五年实用负荷预测值，如图4所示。
显然，本发明的上述实施例仅仅是为了清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于大数据分析的用户实用负荷预测系统，其特征在于，包括输入模块(1)、负荷预测模块(2)、输出模块(3)、用户用电大数据平台(4)和数据收集模块(5)，所述输入模块(1)的输出端与所述负荷预测模块(2)的输入端连接，所述负荷预测模块(2)的输出端与所述输出模块(3)的输入端连接，所述数据收集模块(5)的输出端与所述用户用电大数据平台(4)的输入端连接，所述用户用电大数据平台(4)的输出端所述负荷预测模块(2)的输入端连接。
2.一种如权利要求1所述的基于大数据分析的用户实用负荷预测系统的预测方法，其特征在于，包括如下步骤：
S1.数据收集模块(5)收集某一固定区域现有用电用户的用户用电数据，并将其传输给用户用电大数据平台(4)；
S2.用户用电大数据平台(4)根据接收到的现有用电用户的用户用电数据将现有用电用户进行分类；
S3.通过输入模块(1)输入该固定区域当前新报装用户的报装信息，输入模块(1)将当前新报装用户的报装信息传输给负荷预测模块(2)；
S4.负荷预测模块(2)根据接收到的当前新报装用户的报装信息将当前新报装用户与用户用电大数据平台(4)中现有用电用户的分类进行匹配，并根据匹配成功的对应类别的用电用户在某一年的负荷实用系数计算出当前新报装用户在该年的实用负荷预测值；
S5.负荷预测模块(2)将计算出的当前新报装用户在该年的实用负荷预测值传输给输出模块(3)进行输出结果。
3.根据权利要求2所述的预测方法，其特征在于，所述步骤S1中，所述现有用电用户的用户用电数据包括用户名称、用电性质、报装容量、用电时间以及第t年最大用电负荷。
4.根据权利要求3所述的预测方法，其特征在于，所述步骤S2中，用户用电大数据平台(4)对现有用电用户进行分类的具体步骤如下：
S21.用户用电大数据平台(4)以每个现有用电用户的用户用电数据为基本数据，构成集合{用户名称，用电性质Xn(n＝1,2,3.....,N)，报装容量Qn(n＝1,2,3.....,N)，用电时间Tn(n＝1,2,3.....,N)，第t年最大用电负荷Pn(t)(n＝1,2,3.....,N，t＝1,2,3.....)}，其中，N表示现有用电用户总数；
S22.根据现有用电用户的用电性质，将其细分为M类，每个类别的用户个数为Y(m)，m＝1,2,3.....,M。
5.根据权利要求4所述的预测方法，其特征在于，当新的用电用户用电投产后，同步自动更新用户用电大数据平台(4)数据。
6.根据权利要求4所述的预测方法，其特征在于，所述步骤S3中，所述输入模块(1)上设有手动输入界面，所述该固定区域当前新报装用户的报装信息通过所述手动输入界面输入到输入模块(1)中。
7.根据权利要求6所述的预测方法，其特征在于，所述当前新报装用户的报装信息包括用户用电性质和用户报装容量。
8.根据权利要求7所述的预测方法，其特征在于，所述步骤S4具体包括如下步骤：
S41.负荷预测模块(2)根据输入的当前新报装用户的用电性质，自动与用户用电大数据平台(4)中现有用电用户的分类进行匹配，匹配成功则执行步骤S42和S43，匹配不成功则执行步骤S44；
S42.假设当前新报装用户成功匹配为第k类用电用户，对于第k类用电用户，负荷预测模块(2)根据用户用电大数据平台(4)中记录的对应数据计算出第k类用电用户第t年的负荷实用系数d(k,t)；
S43.令输入的当前新报装用户的用户报装容量为S，则该当前新报装用户第t年的实用负荷预测值q(t)为：
q(t)＝S·d(k,t)；
S44.若当前新报装用户的用户性质匹配不成功，按用户用电大数据平台(4)最接近的类别对该当前新报装用户的用户性质进行修改，修改完成后再次输入，并按步骤S42和S43进行预测计算。
9.根据权利要求8所述的预测方法，其特征在于，所述步骤S42中，第k类用电用户第t年的负荷实用系数d(k,t)的具体计算工程如下：
令Y(k,t)表示有第t年最大用电负荷数据的第k类用电用户总数，且Y(k,t)个用电用户的报装总容量为Q(k,t)，第t年第k类用电用户的最大用电总负荷为P(k,t)，则第k类用电用户第t年的负荷实用系数d(k,t)定义为：
d(k,t)＝P(k,t)/Q(k,t)。
10.根据权利要求8或9所述的预测方法，其特征在于，所述输出模块(3)上设有用于输出当前新报装用户第t年的实用负荷预测值q(t)的输出显示界面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010549094.3A CN111915056A (zh) | 2020-06-16 | 2020-06-16 | 一种基于大数据分析的用户实用负荷预测系统及预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010549094.3A CN111915056A (zh) | 2020-06-16 | 2020-06-16 | 一种基于大数据分析的用户实用负荷预测系统及预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111915056A true CN111915056A (zh) | 2020-11-10 |
Family
ID=73237855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010549094.3A Pending CN111915056A (zh) | 2020-06-16 | 2020-06-16 | 一种基于大数据分析的用户实用负荷预测系统及预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915056A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689051A (zh) * | 2021-09-02 | 2021-11-23 | 广东电网有限责任公司东莞供电局 | 一种基于用户报装与地块的配网负荷预测装置及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182494A (zh) * | 2017-12-29 | 2018-06-19 | 国网北京市电力公司 | 负荷预测方法、装置、存储介质和处理器 |
| CN110909786A (zh) * | 2019-11-19 | 2020-03-24 | 江苏方天电力技术有限公司 | 一种基于特性指标与决策树模型的新装用户负荷辨识方法 |
| CN110991716A (zh) * | 2019-11-22 | 2020-04-10 | 国网浙江省电力有限公司杭州供电公司 | 一种用于电力大用户业扩报装的负荷预测方法 |
| CN111160993A (zh) * | 2020-01-02 | 2020-05-15 | 广东电网有限责任公司惠州供电局 | 基于用户负荷报装的用户实用及阶段释放系数的分析方法 |
-
2020
- 2020-06-16 CN CN202010549094.3A patent/CN111915056A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182494A (zh) * | 2017-12-29 | 2018-06-19 | 国网北京市电力公司 | 负荷预测方法、装置、存储介质和处理器 |
| CN110909786A (zh) * | 2019-11-19 | 2020-03-24 | 江苏方天电力技术有限公司 | 一种基于特性指标与决策树模型的新装用户负荷辨识方法 |
| CN110991716A (zh) * | 2019-11-22 | 2020-04-10 | 国网浙江省电力有限公司杭州供电公司 | 一种用于电力大用户业扩报装的负荷预测方法 |
| CN111160993A (zh) * | 2020-01-02 | 2020-05-15 | 广东电网有限责任公司惠州供电局 | 基于用户负荷报装的用户实用及阶段释放系数的分析方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689051A (zh) * | 2021-09-02 | 2021-11-23 | 广东电网有限责任公司东莞供电局 | 一种基于用户报装与地块的配网负荷预测装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110082699B (zh) | 一种低压台区智能电能表运行误差计算方法及其系统 | |
| CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
| CN103310388B (zh) | 基于信源熵的电网运行综合指数计算方法 | |
| CN109345409A (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
| CN108921358B (zh) | 一种电力负荷特征的预测方法、预测系统及相关装置 | |
| CN110782153A (zh) | 一种企业园区综合能效评估体系建模方法及系统 | |
| CN111339491A (zh) | 一种城市配电网改造方案的评估方法 | |
| CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
| CN106600029A (zh) | 一种基于电力数据的宏观经济预测量化修正方法 | |
| CN115859099A (zh) | 样本生成方法、装置、电子设备和存储介质 | |
| CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
| CN111915056A (zh) | 一种基于大数据分析的用户实用负荷预测系统及预测方法 | |
| CN109214660A (zh) | 基于大数据分析的表计供应商绩效评价方法和系统 | |
| CN102969711A (zh) | 线损控制系统 | |
| CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
| CN112633762A (zh) | 楼宇能效获取方法及设备 | |
| CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| CN116304106A (zh) | 基于大数据技术的电力营销知识图谱构建方法及系统 | |
| CN116470491A (zh) | 基于copula函数的光伏功率概率预测方法及系统 | |
| CN115829101A (zh) | 一种基于多尺度时间卷积网络的用电成本预测及优化方法 | |
| CN115347586A (zh) | 多约束多目标优化的新能源场站储能优化配置系统与方法 | |
| CN107832928A (zh) | 基于风力发电特性曲线的等效综合线损评价方法 | |
| CN114118812A (zh) | 基于改进模糊均值聚类的水电站能效分析评价方法及装置 | |
| CN106886851A (zh) | 基于电能表状态检修的电能表备品备件预测方法 | |
| Luo et al. | Optimal scheduling of electrolyzer in power market with dynamic prices |
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 |